數(shù)據(jù)挖掘基礎(chǔ)與應(yīng)用（SQL Server 2008）

前言
第1章 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)
1.1 數(shù)據(jù)挖掘簡(jiǎn)介
1.1.1 數(shù)據(jù)挖掘的定義4
1.1.2 數(shù)據(jù)挖掘的重要性
1.1.3 數(shù)據(jù)挖掘的功能
1.1.4 數(shù)據(jù)挖掘的步驟
1.1.5 數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP-DM
1.2 商務(wù)智能簡(jiǎn)介
1.2.1 商務(wù)智能
1.2.2 商務(wù)智能的定義
1.2.3 商務(wù)智能的架構(gòu)
1.2.4 商務(wù)智能的實(shí)施流程
1.3 數(shù)據(jù)挖掘與其他相關(guān)領(lǐng)域的關(guān)系
1.3.1 數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的不同
1.3.2 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系
1.3.3 KDD與數(shù)據(jù)挖掘的關(guān)系
1.3 .4在線分析處理(OLAP)與數(shù)據(jù)挖掘的關(guān)系
1.3.5 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系
1.3.6 Web挖掘和數(shù)據(jù)挖掘有什么不同
1.4 數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用
1.4.1 客戶關(guān)系管理(CRM)
1.4.2 客戶關(guān)系管理指標(biāo)
1.4.3 數(shù)據(jù)挖掘應(yīng)用于各行業(yè)
1.4.4 客戶市場(chǎng)細(xì)分
1.4.5 交叉銷售
1.4.6 客戶關(guān)系管理四大循環(huán)過(guò)程
1.4.7 數(shù)據(jù)庫(kù)營(yíng)銷
1.5 數(shù)據(jù)倉(cāng)庫(kù)定義
1.5.1 數(shù)據(jù)倉(cāng)庫(kù)特性
1.5.2 數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)
1.5.3 構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的原因
1.5.4 構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的主要目的
1.5.5 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用
1.5.6 數(shù)據(jù)倉(cāng)庫(kù)的管理
1.6 數(shù)據(jù)挖掘工具分類
1.6.1 數(shù)據(jù)挖掘工具
1.6.2 各工具的簡(jiǎn)介
第2章 SQL語(yǔ)言介紹及其實(shí)例
2.1 SQL簡(jiǎn)介及數(shù)據(jù)變量來(lái)源說(shuō)明
2.1.1 何謂SQL
2.1.2 各數(shù)據(jù)文檔變量說(shuō)明
2.2 SQL基本語(yǔ)法介紹
2.3 會(huì)員基本資料整理
2.3.1 查詢縣市別填答狀態(tài)
2.3.2 婚姻狀態(tài)
2.4 會(huì)員基本變項(xiàng)
2.4.1 性別
2.4.2 交易周期性變化
2.4.3 會(huì)員在交易時(shí)的年齡及婚姻狀態(tài)
2.4.4 會(huì)員交易金額及紅利積點(diǎn)次數(shù)分配百分比
2.4.5 平均交易間隔時(shí)間
2.5 產(chǎn)品組合
2.5.1 按照產(chǎn)品編號(hào)排行榜
2.5.2 單項(xiàng)產(chǎn)品的排行榜
2.5.3 重復(fù)購(gòu)買率
2.6 會(huì)員流失率
2.7 會(huì)員貢獻(xiàn)度
第3章 SQL Server 2008的數(shù)據(jù)挖掘模型在零售業(yè)中的應(yīng)用
3.1 實(shí)際案例練習(xí)
3.1.1 數(shù)據(jù)挖掘Microsoft決策樹(shù)
3.1.2 數(shù)據(jù)挖掘Microsoft羅吉斯回歸
3.1.3 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡(luò)
3.1.4 數(shù)據(jù)挖掘Microsoft貝氏概率分類
3.2 潛在客戶預(yù)測(cè)模型
3.2.1 潛在客戶預(yù)測(cè)流程圖
3.2.2 交易頻率趨勢(shì)圖
3.2.3 交易頻率語(yǔ)法
3.3 模型建構(gòu)
3.3.1 SSIS操作流程
3.3.2 SSAS操作流程
3.3.3 數(shù)據(jù)挖掘Microsoft決策樹(shù)模型建構(gòu)
3.3.4 數(shù)據(jù)挖掘Microsoft羅吉斯回歸模型建構(gòu)
3.3.5 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡(luò)及貝氏概率模型建構(gòu)
3.3.6 模型比較
3.4 數(shù)據(jù)挖掘Microsoft時(shí)間序列
3.4.1 基本概念
3.4.2 時(shí)間序列的成分
3.4.3 時(shí)間序列數(shù)據(jù)的圖形介紹
3.4.4 利用修勻法預(yù)測(cè)
3.4.5 用趨勢(shì)投射預(yù)測(cè)時(shí)間序列
3.4.6 預(yù)測(cè)含趨勢(shì)與季節(jié)成分的時(shí)間序列
3.4.7 利用回歸模型預(yù)測(cè)時(shí)間序列
3.4.8 其他預(yù)測(cè)模型
3.4.9 模型單變量時(shí)間序列預(yù)測(cè)模型
3 ,4.1 0時(shí)間趨勢(shì)預(yù)測(cè)模型
3.4.1 1范例操作
3.5 數(shù)據(jù)挖掘Microsoft聚類分析
3.5.1 基本概念
3.5.2 范例操作
3.6 數(shù)據(jù)挖掘Microsoft線性回歸
3.6.1 基本概念
3.6.2 簡(jiǎn)單線性回歸分析
3.6.3 多無(wú)回歸分析
3.6.4 嶺回歸分析
3.6.5 范例操作
3.6.6 補(bǔ)充（測(cè)試集數(shù)據(jù)匯出）
3.7 數(shù)據(jù)挖掘Microsoft關(guān)聯(lián)規(guī)則
3.7.1 基本概念
3.7.2 關(guān)聯(lián)規(guī)則的種類
3.7.3 關(guān)聯(lián)規(guī)則的算法：Apriori算法
3.7.4 關(guān)聯(lián)規(guī)則DMX數(shù)據(jù)挖掘語(yǔ)法
3.8 數(shù)據(jù)挖掘Microsoft時(shí)序群集
3.8.1 基本概念
3.8.2 相關(guān)研究
3.8.3 時(shí)序群集DMX數(shù)據(jù)挖掘語(yǔ)法
第4章 OLAP-零售業(yè)中的應(yīng)用
4.1 數(shù)據(jù)倉(cāng)庫(kù)
4.2 實(shí)例操作
4.2.1 數(shù)據(jù)來(lái)源檢查
4.2.2 創(chuàng)建命名查詢（VIP會(huì)員數(shù)據(jù)）
4.2.3 編輯命名查詢（VIP產(chǎn)品組成貨號(hào)）
4.2.4 編輯命名查詢(VIP訂單明細(xì)表)
4.2.5 編輯命名查詢（VIP訂單數(shù)）
4.2.6 編輯命名查詢（VIP購(gòu)買產(chǎn)品）
4.2.7 編輯命名查詢（VIP會(huì)員數(shù)）
4.3 維度設(shè)計(jì)
4.4 建立多維數(shù)據(jù)集
4.4.1 對(duì)企業(yè)的價(jià)值
4.4.2 數(shù)據(jù)儲(chǔ)存的選擇性
4.4.3 實(shí)例操作
4.5 數(shù)據(jù)模擬及相關(guān)數(shù)據(jù)明細(xì)
第5章 Excel中的數(shù)據(jù)挖掘模塊
5.1 安裝與設(shè)定數(shù)據(jù)挖掘加載宏
5.1.1 系統(tǒng)需求
5.1.2 開(kāi)始安裝
5.1.3 完成安裝檢查
5.1.4 狀態(tài)設(shè)定
5.1.5 設(shè)定完成檢查
5.2 Excel 2007數(shù)據(jù)挖掘工具列介紹
5.2.1 數(shù)據(jù)挖掘使用幫助
5.2.2 數(shù)據(jù)挖掘連接設(shè)定
5.2.3 設(shè)定目前的連接
5.2.4 跟蹤
5.2.5 數(shù)據(jù)準(zhǔn)備
5.2.6 瀏覽數(shù)據(jù)
5.2.7 清除數(shù)據(jù)
……