第1章緒論

1．1數據倉庫概述

1．1．1數據倉庫的定義及特點

1．1．2數據倉庫與操作型數據庫的關繫

1．1．3數據倉庫的組成

1．1．4數據倉庫的應用

1．1．5基於Hadoop/Spark的數據倉庫技術

1．2數據挖掘概述

1．2．1數據挖掘的概念

1．2．2數據挖掘的主要任務

1．2．3數據挖掘的數據源

1．2．4數據挖掘使用的技術

1．2．5數據挖掘存在的主要問題

1．2．6數據挖掘建模的常用工具

1．2．7Python數據挖掘常用庫

1．3數據倉庫與數據挖掘的區別與聯繫

1．3．1數據倉庫與數據挖掘的區別

1．3．2數據倉庫與數據挖掘的聯繫

1．4小結

習題1

第2章認識數據

2.1屬性及其類型

2.1.1屬性

2.1.2屬性類型

2.2數據的基本統計描述

2.2.1中心趨勢度量

2.2.2數據散布度量

2.3數據可視化

2.3.1基於像素的可視化技術

2.3.2幾何投影可視化技術

2.3.3基於圖符的可視化技術

2.3.4層次可視化技術

2.3.5可視化復雜對像和關繫

2.3.6高維數據可視化

2.3.7Python數據可視化

2.4數據對像的相似性度量

2.4.1數據矩陣和相異性矩陣

2.4.2標稱屬性的相似性度量

2.4屬性的相似性度量

2.4.4數值屬性的相似性度量

2.4.5序數屬性的相似性度量

2.4.6混合類型屬性的相似性

2.4.7餘弦相似性

2.4.8距離度量的Python實現

2.5小結

習題2

第3章數據預處理

3.1數據預處理的必要性

3.1.1原始數據中存在的問題

3.1.2數據質量要求

3.2數據清洗

3.2.1數據清洗方法

3.2.2利用Pandas進行數據清洗

3.3數據集成

3.3.1數據集成過程中的關鍵問題

3.3.2利用Pandas合並數據

3.4數據標準化

3.4.1離差標準化數據

3.4.2標準差標準化數據

3.5數據歸約

3.5.1維歸約

3.5.2數量歸約

3.5.3數據壓縮

3.6數據變換與數據離散化

3.6.1數據變換的策略

3.6.2Python數據變換與離散化

3.7利用sklearn進行數據預處理

3.8小結

習題3

第4章數據倉庫與聯機分析處理

4．1數據倉庫的體繫

4．1．1數據倉庫體繫結構

4．1．2數據ETL

4．1．3數據集市

4．數據

4．2多維數據模型與OLAP

4．2．1多維數據模型的相關概念

4．2．2OLAP的基本分析操作

4．2．3多維數據模型的實現

4．3數據倉庫的維度建模

4．3．1數據倉庫維度建模概述

4．3．2星形模型

4．3．3雪花模型

4．4數據倉庫發展

4．4．1動態數據倉庫

4．4．2數據中心

4．4．3數據中臺

4．5小結

習題4

第5章數據倉庫設計與開發

5．1數據倉庫設計概述

5．1．1數據倉庫設計的特點

5．1．2數據倉庫設計與業務繫統模型設計的區別

5．1．3數據倉庫構建模式

5．1．4數據倉庫建立框架

5．2數據倉庫設計

5．2．1數據倉庫規劃、需求分析及概念設計

5．2．2數據倉庫邏輯模型設計

5．2．3數據倉庫物理模型設計

5．2．4數據倉庫部署與維護

5．3基於Hive的數據倉庫實現

5．3．1Hadoop/Hive簡介

5．3．2Hive數據倉庫和數據庫比較

5．3．3Hive常用數據操作

5．3．4利用Hive建立數據倉庫

5．4小結

習題5

第6章回歸分析

6.1回歸分析概述

6.1.1回歸分析的定義與分類

6.1.2回歸分析的過程

6線性回歸分析

6.2線性回歸方法

6.2線性回歸模型的參數估計

6.2線性回歸模型的誤差方差估計

6.2線性回歸模型的主要統計檢驗

6.2線性回歸的Python實現

6線性回歸

6.3線性回歸模型

6.3線性回歸模型的參數估計

6.3線性回歸的假設檢驗及其評價

6.3線性回歸的Python實現

6.4邏輯回歸

6.4.1邏輯回歸模型

6.4.2邏輯回歸的Python實現

6.5其他回歸分析

6.5.1多項式回歸

6.5.2嶺回歸

6.5.3Lasso回歸

6．5．4彈性回歸

6.5.5逐步回歸

6.6小結

習題6

第7章關聯規則挖掘

7.1關聯規則挖掘概述

7.2頻繁項集、閉項集和關聯規則

7.3頻繁項集挖掘方法

7.3.1Apriori算法

7.3.2由頻繁項集產生關聯規則

7.3.3提高Apriori算法的效率

7.3.4頻繁模式增長算法

7.3.5使用垂直數據格式挖掘頻繁項集

7.4關聯模式評估方法

7.5Apriori算法應用

7.6小結

習題7

第8章分類

8.1分類概述

8.2決策樹歸納

8.2.1決策樹原理

8.2.2ID3算法

8.2.3C4.5算法

8.2.4CART算法

8.2.5樹剪枝

8.2.6決策樹應用

8.3K近鄰算法

8.3.1算法原理

8.3.2Python算法實現

8.4支持向量機

8.4.1算法原理

8.4.2Python算法實現

8.5樸素貝葉斯分類

8.5.1算法原理

8.5.2高斯樸素貝葉斯分類

8.5.3多項式樸素貝葉斯分類

8.5.4樸素貝葉斯分類應用

8.6模型評估與選擇

8.6.1分類器性能的度量

8.6.2模型選擇

8.7組合分類

8.7.1組合分類方法簡介

8.7.2袋裝

8.7.3提升和AdaBoost

8.7.4隨機森林

8.8小結

習題8

第9章聚類

9.1聚類分析概述

9.1.1聚類分析的概念

9.1.2聚類算法分類

9.2KMeans聚類

9.2.1算法原理

9.2.2算法改進

9.2.3KMeans算法實現

9.3層次聚類

9.3.1算法原理

9.3.2簇間的距離度量

9.3.3分裂層次聚類

9.3.4凝聚層次聚類

9.3.5層次聚類應用

9.4基於密度的聚類

9.4.1算法原理

9.4.2算法改進

9.4.3DBSCAN算法實現

9.5其他聚類方法

9.5.1STING聚類

9.5.2概念聚類

9.5.3模糊聚類

9.6聚類評估

9.6.1聚類趨勢的估計

9.6.2聚類簇數的確定

9.6.3聚類質量的測定

9.7小結

習題9

第10章神經網絡與深度學習

10.1神經網絡基礎

10.1.模型

10.1.2感知機與多層網絡

10.2BP神經網絡

10.2.1多層前饋神經網絡

10.2.2後向傳播算法

10.2.3BP神經網絡應用

10.3深度學習

10.3.1深度學習概述

10.3.2常用的深度學習算法

10.4小結

習題10

第11章離群點檢測

11.1離群點概述

11.1.1離群點的概念

11.1.2離群點的類型

11.1.3離群點檢測的挑戰

11.2離群點的檢測

11.2.1基於統計學的離群點檢測

11.2.2基於鄰近性的離群點檢測

11.2.3基於聚類的離群點檢測

11.2.4基於分類的離群點檢測

11.3sklearn中的異常檢測方法

11.4小結

習題11

第12章文本和時序數據挖掘

12．1文本數據挖掘

12．1．1文本挖掘概述

12．1．2文本挖掘的過程與任務

12．2文本分析與挖掘的主要方法

12．2．1詞語分詞

12．2．2詞性標注與停用詞過濾

12．2．3文本表征

12．2．4文本分類

12．2．5文本聚類

12．2．6文本可視化

12．3時序數據挖掘

12．3．1時間序列和時間序列分析

12．3．2時間序列平穩性和隨機性判定

12．3．3自回歸滑動平均模型

12．3．4差分整合移動平均自回歸模型

12．3．5季節性差分自回歸移動平均模型

12．4小結

習題12

第13章數據挖掘案例

13.1良性/惡性乳腺腫瘤預測

13.2泰坦尼克號乘客生還預測

13.3圖像的聚類分割

13.4小結

參考文獻

目前，數據正以前所未有的速度爆炸式增長，海量的數據已成為各行各業重要的戰略資源。圍繞這些數據進行可行的深入分析與挖掘，對幾乎所有社會領域的決策都越來越重要。數據倉庫與數據挖掘將傳統的數據分析方法與用於處理大量數據的復雜算法相結合，利用數據庫管理技術和大量以機器學習為基礎的數據分析技術，為數據庫中的知識發現提供有效支撐。

因此，本書從數據倉庫設計實現和數據挖掘的業務流程出發，全面、繫統地介紹了數據倉庫的設計開發和數據挖掘的基本概念、主要思想和典型的數據挖掘算法。本書將數據倉庫和數據挖掘的理論與實踐充分結合，以便加深、加快讀者對所學內容的理解和掌握。

全書共13章，內容涵蓋數據理論基礎、數據預處理、數據倉庫與聯機分析處理、數據倉庫設計與開發、回歸分析、關聯規則挖掘、分類、聚類、神經網絡與深度學習、離群點檢測以及文本和時序數據挖掘等內容。書中各章節相互獨立，讀者可根據自己的興趣選擇使用。各章力求原理敘述清晰，易於理解，突出理論聯繫實際，輔以代碼實踐與指導，引領讀者更好地理解與應用算法，快速邁進數據倉庫與數據挖掘領域，掌握機器學習算法的理論和應用。同時，除第13章外，書中每章都給出了小結和習題，可以幫助讀者鞏固本章學習內容，擴展相關知識。

本書特色：

（1） 內容繫統全面，講解深入淺出，易於理解。

（2） 詳細介紹了數據倉庫與數據挖掘的業務流程與典型方法。

（3） 配備了多個項目案例，理論結合實踐。

（4） 配套資源豐富，方便教學。
本書的配套資源包括教學大綱、教學課件、電子教案、程序源碼和習題答案，編者還為本書精心錄制了600分鐘的微課視頻。

資源下載提示

課件等資源： 掃描封底的“課件下載”二維碼，在公眾號“書圈”下載。

素材（源碼）等資源： 掃描目錄上方的二維碼下載。

視頻等資源： 掃描封底的文泉雲盤防盜碼，再掃描書中相應章節的二維碼，可以在線學習。

本書由魏偉一、張國治和秦紅武主編，由於編者水平有限，書中疏漏之處在所難免，懇請讀者批評指正。

本書在編寫過程中得到了西北師範大學2022年教材建設項目的資助，在此表示衷心感謝。

編者2023年1月