基本信息
- 商品名称：SQL Server数据挖掘与商业智能基础及案例实战(适用于SQL Server20
- 作者：谢邦昌
- 定价：58
- 出版社：中国水利水电
- ISBN号：9787517035411
其他参考信息（以实物为准）
- 出版时间：2015-08-01
- 印刷时间：2015-08-01
- 版次：1
- 印次：1
- 开本：16开
- 包装：平装
- 页数：355
- 字数：515千字
内容提要
谢邦昌编著的《SQL Server数据挖掘与商业智能
基础及案例实战(适用于SQL Server2012\2014)》全
面介绍了数据挖掘与商业智能的基本概念与原理，包
括经典理论与趋势发展，并深入叙述了各种数据挖掘
的技术与典型应用。通过本书的学习，读者可以对数
据挖掘与商业智能的整体结构、概念、原理、技术和
发展有深入的了解和认识。
本书共四部分： 部分介绍数据仓库、数据挖
掘与商业智能之间的关系；第二部分对Microsoft
SQL Server的整体架构进行介绍，并详细阐述直接与
数据挖掘相关的两个服务：分析服务和报表服务；第
三部分逐一阐述。Microsoft SQL Server中包含的
九种数据挖掘模型；第四部分提供四个数据挖掘的案
例以及数据挖掘模型的评估，通过模仿练习，读者可
获得实际的数据挖掘经验，稍加修改就能在自己所处
的领域中加以应用。
作者简介
谢邦昌，首都经贸大学统计学院客座教授兼博士生导师
中央财经大学统计学院客座教授兼博士生导师
中国人民大学统计学院客座教授
厦门大学统计学系客座教授、数据挖掘中心常务副主任兼博士生导师
上海财经大学统计学系客座教授
西南财经大学统计学院客座教授
西安财经学院统计学院客座教授
天津财经大学统计学院客座教授
山东财经大学统计学院客座教授
广西财经学院客座教授
新疆财经学院客座教授
中国统计学会理事
中国数据挖掘协会荣誉理事长
中国市场研究协会理事长
东森集团大数据首席顾问
中国 教材编审委员
中国统计教育学会理事兼 顾问
目录
PART Ⅰ 数据仓库、数据挖掘与商业智能
Chapter 1 绪论
1.1 商业智能
1.1.1 什么是商业智能
1.1.2 商业智能作用及意义
1.1.3 商业智能架构
1.1.4 商业智能中的挑战
1.2 数据挖掘
1.3 大数据
1.3.1 何谓大数据
1.3.2 大数据的应用
1.4 云计算
Chapter 2 数据仓库
2.1 数据仓库定义
2.2 数据仓库特性
2.3 数据仓库架构
2.4 创建数据仓库的目的
2.5 数据仓库的运用
2.6 数据仓库的管理
2.7 No SQL数据库
2.7.1 Key-Value型数据库
2.7.2 内存数据库(In-memorv Database)
2.7.3 文件数据库(Document Database)
2.7.4 图形数据库(Graph Database)
2.8 Hadoop
Chapter 3 数据挖掘简介
3.1 数据挖掘的定义
3.2 数据挖掘的重要性
3.3 数据挖掘的功能
3.4 数据挖掘的步骤
3.5 数据挖掘建模的标准CRISP-DM
3.6 数据挖掘的应用
3.7 数据挖掘软件介绍
3.8 数据挖掘与Excel
Chapter 4 数据挖掘的主要方法
4.1 回归分析(RegressionAnalysis)
4.1.1 简单线性回归分析(Simple Linear RegressionAnalysis)
4.1.2 多元回归分析(Multiple Regression Analysis)
4.1.3 脊回归分析(Ridge Regression Analysis)
4.1.4 逻辑回归分析(Logistic Re伊ession
……
Chapter 5 数据挖掘与相关领域的关系
PART Ⅱ Microsoft SQL Server概述
Chapter 6 Microsoft SQL Server中的商业智能
Chapter 7 Microsoft SQL Server中的数据挖掘功能
Chapter 8 Microsoft SQL Server的分析服务（Analysis Services）
Chapter 9 Microsoft SQL Server的报表服务（Reporting Services）
Chapter 10 Microsoft SQL Server的整合服务
Chapter 11 Microsoft SQL Server的DMX语言
PART Ⅲ Microsoft SQL Server中的数据挖掘模型
Chapter 12 决策树模型
Chapter 13 贝叶斯分类器
Chapter 14 关联规则
Chapter 15 聚类分析
Chapter 16 时序聚类
Chapter 17 线性回归模型
Chapter 18 逻辑回归模型
Chapter 19 人工神经网络模型
Chapter 20 时序模型
PART Ⅳ Microsoft SQL Server数据挖掘应用实例
Chapter 21 决策树模型实例
Chapter 22 逻辑回归模型实例
Chapter 23 神经网络模型实例
Chapter 24 时序模型实例
Chapter 25 如何评估数据挖掘模型
