SQL Server 2008 R2 數據挖掘與商業智能基礎及高級案例實戰（簡體書）

《SQL Server 2008 R2：數據挖掘與商業智能基礎及高級案例實戰》全面介紹了數據挖掘與商業智能的基本概念與原理，包括經典理論與趨勢發展，并深入敘述了各種數據挖掘的技術與典型應用。通過《SQL Server 2008 R2：數據挖掘與商業智能基礎及高級案例實戰》的學習，讀者可以對數據挖掘與商業智能的整體結構、概念、原理、技術和發展有深入的了解和認識。《SQL Server 2008 R2：數據挖掘與商業智能基礎及高級案例實戰》以microsoft sql server 2008的數據挖掘模塊進行介紹，讓讀者可以很快地通過書中的說明與范例，在最短的時間內就能上手。
《SQL Server 2008 R2：數據挖掘與商業智能基礎及高級案例實戰》分為四個部分：第一部分介紹數據倉庫、數據挖掘與商業智能之間的關系。第二部分對microsoft sql server的整體架構加以介紹，并詳細闡述了直接與數據挖掘相關的兩個服務：分析服務和報表服務。第三部分逐一闡述了microsoft sql server中包含的九種數據挖掘模型。第四部分提供了四個數據挖掘的范例，通過模仿練習，讀者可獲得實際的數據挖掘經驗，稍加修改就能在自己所處的領域中加以應用。

part i 數據倉庫、數據挖掘與商業智能
chapter 1 緒論
1-1 商業智能
1-2 數據挖掘
chapter 2 數據倉庫
2-1 數據倉庫定義
2-2 數據倉庫特性
2-3 數據倉庫架構
2-4 創建數據倉庫的目的
2-5 數據倉庫的運用
2-6 數據倉庫的管理
chapter 3 數據挖掘簡介
3-1 數據挖掘的定義
3-2 數據挖掘的重要性
3-3 數據挖掘的功能
3-4 數據挖掘的步驟
3-5 數據挖掘建模的標準crisp-dm
3-6 數據挖掘的應用
3-7 數據挖掘軟件介紹
chapter 4 數據挖掘的主要方法
4-1 回歸分析
4-2 關聯規則
4-3 聚類分析
4-4 判別分析
4-5 神經網絡
4-6 決策樹
4-7 其他分析方法
chapter 5 數據挖掘與相關領域的關系
5-1 數據挖掘與統計分析
5-2 數據挖掘與數據倉庫
5-3 數據挖掘與kdd
5-4 數據挖掘與olap
5-5 數據挖掘與機器學習
5-6 數據挖掘與web數據挖掘

part ii microsoft sql server概述
chapter 6 microsoft sql server中的商業智能
6-1 microsoft sql server入門
6-2 關系數據倉庫
6-3 sql server 2008 r2概述
6-4 sql server 2008 r2技術
6-5 sql server 2008 r2新增功能
chapter 7 microsoft sql server中的數據挖掘功能
7-1 創建商業智能應用程序
7-2 microsoft sql server數據挖掘功能的優勢
7-3 microsoft sql server數據挖掘算法
7-4 microsoft sql server可擴展性
7-5 microsoft sql server是數據挖掘與商業智能的結合
7-6 使用數據挖掘可以解決的問題
chapter 8 microsoft sql server的分析服務（analysis services）
8-1 創建多維數據集的結構
8-2 建立和部署多維數據集
8-3 從模板創建自定義的數據庫
8-4 統一維度模型
8-5 基于屬性的維度
8-6 維度類型
8-7 量度組和數據視圖
8-8 計算效率
8-9 mdx腳本
8-10 存儲過程
8-11 關鍵績效指標（kpi）
8-12 實時商業智能
chapter 9 microsoft sql server的報表服務（reporting services）
9-1 為何使用報表服務
9-2 報表服務的功能
chapter 10 microsoft sql server的整合服務
10-1 ssis介紹
10-2 操作示例
chapter 11 microsoft sql server的dmx語言
11-1 dmx語言介紹
11-2 dmx函數
11-3 dmx語法
11-4 dmx操作實例

part iii microsoft sql server中的數據挖掘模型
chapter 12 決策樹模型
12-1 基本概念
12-2 決策樹與判別函數
12-3 計算方法
12-4 操作范例
chapter 13 貝葉斯分類器
13-1 基本概念
13-2 操作范例
chapter 14 關聯規則
14-1 基本概念
14-2 關聯規則的種類
14-3 關聯規則的算法：apriori算法
14-4 操作范例
chapter 15 聚類分析
15-1 基本概念
15-2 層級聚類法與動態聚類法
15-3 操作范例
chapter 16 時序聚類
16-1 基本概念
16-2 主要算法
16-3 操作示例
chapter 17 線性回歸模型
17-1 基本概念
17-2 一元回歸模型
17-3 多元回歸模型
17-4 操作范例
chapter 18 邏輯回歸模型
18-1 基本概念
18-2 logit變換與logistic分布
18-3 邏輯回歸模型
18-4 操作范例
chapter 19 人工神經網絡模型
19-1 基本概念
19-2 神經網絡模型的特點
19-3 神經網絡模型的優劣比較
19-4 操作范例
chapter 20 時序模型
20-1 基本概念
20-2 時序的構成
20-3 簡單時序的預測
20-4 包含趨勢與季節成份的時序預測
20-5 參數化的時序預測模型
20-6 操作范例

part iv microsoft sql server數據挖掘應用實例
chapter 21 決策樹模型實例
chapter 22 邏輯回歸模型實例
22-1 回歸模型實例一
22-2 回歸模型實例二
22-3 回歸模型實例三
chapter 23 神經網絡模型實例
23-1 神經網絡模型實例一
23-2 神經網絡模型實例二
chapter 24 時序模型實例
24-1 時序模型實例一
24-2 時序模型實例二
chapter 25 如何評估數據挖掘模型
25-1 評估圖節點介紹 evaluation chart node
25-2 在sql server中如何評估模型
25-3 規則度量：支持度與可信度