数据仓库与数据挖掘技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库与数据挖掘技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第1章数据仓库与数据挖掘概述1

1.1数据仓库引论1

1.1.1为什么要建立数据仓库1

1.1.2什么是数据仓库2

1.1.3数据仓库的特点6

1.1.4数据进入数据仓库的基本过程与建立数据仓库的步骤11

1.1.5分析数据仓库的内容11

1.2数据挖掘引论12

1.2.1 为什么要进行数据挖掘13

1.2.2什么是数据挖掘17

1.2.3数据挖掘的特点20

1.2.4数据挖掘的基本过程与步骤21

1.2.5分析数据挖掘的内容24

1.3数据挖掘与数据仓库的关系26

1.4数据仓库与数据挖掘的应用29

1.4.1数据挖掘在零售业的应用29

1.4.2数据挖掘在商业银行中的应用34

1.4.3数据挖掘在电信部门的应用38

1.4.4数据挖掘在贝斯出口公司的应用39

1.4.5数据挖掘如何预测信用卡欺诈39

思考练习题41

1.4.6数据挖掘在证券行业的应用41

第2章数据仓库的分析43

2.1影响数据仓库成功的因素43

2.2数据仓库的生命周期44

2.2.1数据仓库计划与准备阶段45

2.2.2数据仓库的其他阶段51

2.3数据仓库的基本体系结构53

2.4数据仓库的逻辑结构56

2.4.1数据仓厍中的粒度56

2.4.2数据仓库中的数据分割57

2.4.3数据仓库中的数据组织57

2.4.5数据仓库中的元数据58

2.4.4数据仓库中的快照58

思考练习题59

第3章数据仓库的设计与实施60

3.1从数据库到数据仓库60

3.2面向主题的数据仓库设计61

3.2.1数据建模61

3.2.2星型连接61

3.3开发数据仓库的物理设计69

3.3.1数据仓库设计工具的选择69

3.3.2物理数据模型设计70

3.4数据仓库的实施71

3.4.1数据仓库的实施应注意的问题71

3.3.3数据仓库中数据表的数量与规范化71

3.4.2在实施数据仓库过程中应避免的错误72

3.4.3数据仓库项目实施成功的要诀75

思考练习题79

第4章信息分析的基本技术80

4.1 自动信息分析的基本技术80

4.1.1智能代理80

4.1.2群体智能83

4.1.3小波分析86

4.1.4分形技术分析88

4.2联机分析89

4.2.1联机分析OLAP的基本术语90

4.2.2 OLAP体系结构和处理的特性91

4.2.3 OLAP多维数据结构与OLAP的分类92

4.2.4 OLAP的多维数据分析方法93

4.2.5 OLAP评价准则95

4.2.6 OLAP的发展与流行的OLAP工具选择97

4.3 Rough的信息分析技术99

4.3.1粗糙集理论的基本概念和理论基础99

4.3.2粗糙集在信息分析中的特征表示101

思考练习题102

5.1数据挖掘的方法与基本流程104

5.1.1 SEMMA方法104

第5章数据挖掘过程104

5.1.2数据挖掘的基本流程105

5.2确定主题和定义数据挖掘任务106

5.2.1确定主题107

5.2.2定义数据挖掘任务108

5.3数据预处理109

5.3.1数据的收集和准备109

5.3.2数据清理110

5.3.3数据集成111

5.3.4数据变换113

5.3.5数据归约113

5.4数据挖掘的模型建立与理解114

5.3.6微软数据转换服务114

5.4.1关于模型的准确性116

5.4.2关于模型的可理解性116

5.4.3关于模型的性能117

5.4.4描述和可视化117

5.4.5验证与评估119

5.5数据挖掘中常见的一些问题120

5.5.1商业用户提出的问题120

5.5.2技术问题120

5.5.3数据挖掘应用问题120

5.5.4实施数据挖掘项目考虑的问题121

5.5.5数据挖掘对社会的影响——有关隐私问题121

5.6事先无法预测的有价值知识122

思考练习题123

第6章数据挖掘基本算法124

6.1分类规则挖掘124

6.1.1分类与估值124

6.1.2决策树127

6.1.3贝叶斯分类134

6.2预测分析与趋势分析规则138

6.2.1预言的基本方法138

6.2.2定量分析预测139

6.2.3预测的结果分析141

6.2.4趋势分析挖掘142

6.3数据挖掘的关联算法143

6.3.1关联规则的概念及分类143

6.3.2简单形式的关联规则算法（单维、单层和布尔关联规则）147

6.3.3多层和多维关联规则的挖掘152

6.3.4货篮子分析存在的问题155

6.3.5关联分析的其他算法157

6.3.6挖掘序列模式160

6.4数据挖掘的聚类算法164

6.4.1聚类分析的概念与分类165

6.4.2聚类分析中两个对象之间的相异度计算方法171

6.4.3划分方法177

6.4.4层次方法181

6.4.5基于密度的方法186

6.4.6基于网格的方法189

6.4.7基于模型的聚类方法191

6.4.8模糊聚类算法193

6.5数据挖掘的统计分析算法193

6.5.1辨别分析193

6.5.2回归建模194

6.5.3优点和缺点194

6.6数据挖掘的品种优化算法194

6.6.1品种优化194

6.6.2品种优化的算法197

6.7数据挖掘的进化算法199

6.7.1遗传算法200

6.7.2数据挖掘的神经网络算法201

思考练习题205

第7章非结构化数据挖掘207

7.1 Web数据挖掘207

7.1.1非结构化Web数据源208

7.1.2 Web挖掘分类213

7.1.3 Web内容挖掘215

7.1.4 Web结构挖掘216

7.1.5 Web访问挖掘216

7.1.6利用Web日志的聚类算法219

7.1.7电子商务中的Web挖掘221

7.2空间群数据挖掘225

7.2.1空间数据挖掘的概念225

7.2.2空间数据挖掘的分类225

7.2.3空间数据挖掘的体系结构226

7.3多媒体数据挖掘227

7.3.1多媒体数据挖掘的概念227

7.3.2多媒体数据挖掘的分类227

7.3.3多媒体数据挖掘的体系结构227

思考练习题228

第8章离群数据挖掘229

8.1离群数据挖掘的概念229

8.2离群数据挖掘的分类230

8.3离群数据挖掘的算法231

8.3.1基于统计的方法231

8.3.2基于距离的离群数据方法233

8.3.3基于偏离的离群数据挖掘236

8.3.4高维数据的离群数据挖掘237

8.3.5基于小波的离群数据挖掘238

8.4市场营销离群数据挖掘241

8.4.1市场营销离群数据的特点242

8.4.2基于分形的市场营销离群数据挖掘模型242

思考练习题244

9.1.1数据挖掘语言的分类245

9.1数据挖掘语言及其标准化245

第9章数据挖掘语言与工具的选择245

9.1.2分析与评价251

9.2数据挖掘的研究热点251

9.3数据挖掘工具的选择252

9.3.1评价数据挖掘工具的优劣指标253

9.3.2通用数据挖掘产品与工具254

9.3.3国内的数据挖掘产品与工具268

9.3.4数据可视化工具的选择270

9.3.5数据挖掘网站与可获得的数据挖掘算法源代码271

思考练习题273

10.1.1知识274

10.1知识管理274

第10章知识管理与知识管理系统274

10.1.2知识管理的定义275

10.1.3有效的知识管理276

10.2知识管理系统279

10.2.1知识管理共享的条件280

10.2.2知识管理共享的困难280

10.2.3知识管理的激励机制281

10.2.4知识管理的体系结构284

思考练习题286

附录数据挖掘产品部分信息287

参考文献289