基本信息

• 商品名稱：SQL Server數據挖掘與商業智能基礎及案例實戰(適用於SQL Server2012\\2014)
• 作者：謝邦昌
• 代碼：58
• 出版社：中國水利水電
• ISBN號：9787517035411

其他參考信息

• 出版時間：2015-08-01
• 印刷時間：2015-08-01
• 版次：1
• 印次：1
• 開本：16開
• 包裝：平裝
• 頁數：355
• 字數：515千字

內容提要

謝邦昌編著的《SQL Server數據挖掘與商業智能 基礎及案例實戰(適用於SQL Server2012\\2014)》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，並深入敘述了各種數據挖掘 的技術與典型應用。通過本書的學習，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。
     本書共四部分：**部分介紹數據倉庫、數據挖 掘與商業智能之間的關繫；第二部分對Microsoft SQL Server的整體架構進行介紹，並詳細闡述直接與 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。Microsoft SQL Server中包含的 九種數據挖掘模型；第四部分提供四個數據挖掘的案 例以及數據挖掘模型的評估，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。
    

作者簡介

謝邦昌，首都經貿大學統計學院客座教授兼博士生導師 中央財經大學統計學院客座教授兼博士生導師 中國人民大學統計學院客座教授 廈門大學統計學繫客座教授、數據挖掘中心常務副主任兼博士生導師 上海財經大學統計學繫客座教授 西南財經大學統計學院客座教授 西安財經學院統計學院客座教授 天津財經大學統計學院客座教授 山東財經大學統計學院客座教授 廣西財經學院客座教授 新疆財經學院客座教授 中國統計學會理事 中國數據挖掘協會榮譽理事長 中國市場研究協會理事長 東森集團大數據首席顧問 中國**統計局教材編審委員 中國統計教育學會理事兼**顧問

目錄

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
1.1.1 什麼是商業智能
1.1.2 商業智能作用及意義
1.1.3 商業智能架構
1.1.4 商業智能中的挑戰
1.2 數據挖掘
1.3 大數據
1.3.1 何謂大數據
1.3.2 大數據的應用
1.4 雲計算
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
2.7 No SQL數據庫
2.7.1 Key-Value型數據庫
2.7.2 內存數據庫(In-memorv Database)
2.7.3 文件數據庫(Document Database)
2.7.4 圖形數據庫(Graph Database)
2.8 Hadoop
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
3.8 數據挖掘與Excel
Chapter 4 數據挖掘的主要方法
4.1 回歸分析(RegressionAnalysis)
4.1.1 簡單線性回歸分析(Simple Linear RegressionAnalysis)
4.1.回歸分析(Multiple Regression Analysis)
4.1.3 脊回歸分析(Ridge Regression Analysis)
4.1.4 邏輯回歸分析(Logistic Re伊ession
……
Chapter 5 數據挖掘與相關領域的關繫
PART Ⅱ Microsoft SQL Server概述
Chapter 6 Microsoft SQL Server中的商業智能
Chapter 7 Microsoft SQL Server中的數據挖掘功能
Chapter 8 Microsoft SQL Server的分析服務（Analysis Services）
Chapter 9 Microsoft SQL Server的報表服務（Reporting Services）
Chapter 10 Microsoft SQL Server的整合服務
Chapter 11 Microsoft SQL Server的DMX語言
PART Ⅲ Microsoft SQL Server中的數據挖掘模型
Chapter 12 決策樹模型
Chapter 13 貝葉斯分類器
Chapter 14 關聯規則
Chapter 15 聚類分析
Chapter 16 時序聚類
Chapter 17 線性回歸模型
Chapter 18 邏輯回歸模型
Chapter 19 人工神經網絡模型
Chapter 20 時序模型
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
Chapter 23 神經網絡模型實例
Chapter 24 時序模型實例
Chapter 25 如何評估數據挖掘模型