數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

定　價：￥19.00

作　者：	安淑芝等編著
出版社：	清華大學出版社
叢編項：	大學本科計算機專業(yè)應用型規(guī)劃教材
標　簽：	數(shù)據(jù)庫存儲與管理

購買這本書可以去

ISBN：	9787302106883	出版時間：	2005-06-01	包裝：	膠版紙
開本：	26cm	頁數(shù)：	206	字數(shù)：

內容簡介

　　本書是一本介紹數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的圖書。全書力求深入淺出、通過淺顯易懂的語言及實例介紹數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念及相關理論。從數(shù)據(jù)倉庫的定義、結構、設計、數(shù)據(jù)訪問方法及應用等方面對數(shù)據(jù)倉庫做了較詳細的介紹。從數(shù)據(jù)挖掘的定義、數(shù)據(jù)預處理方法、數(shù)據(jù)挖掘發(fā)現(xiàn)知識的類型及數(shù)據(jù)挖掘常用算法等幾方面對數(shù)據(jù)挖掘的基本知識和算法等理論做了介紹。本書特別介紹了SQLServer2000數(shù)據(jù)挖掘工具應用和SPSS數(shù)據(jù)挖掘工具應用。最后，給出了一個數(shù)據(jù)挖掘的應用實例。本書總的指導思想是在掌握基本知識和基本理論的基礎上，更強調實際應用能力的培養(yǎng)。本書可作為普通高等院校計算機科學與技術專業(yè)、軟件工程專業(yè)或信息類等其他相關專業(yè)的教材，也可作為有關數(shù)據(jù)倉庫與數(shù)據(jù)挖掘方面的培訓教材，以及所有想學習數(shù)據(jù)倉庫與數(shù)據(jù)挖掘知識的人的自學用書。本書特色：本書本著“在掌握基本知識和基本理論的基礎上，強調實際應用能力培養(yǎng)”的指導思想，在寫作上力求體現(xiàn)如下特點：·采用盡可能淺顯易懂的語言，循序漸進地表達知識內容；·概念和具體的方法、工具相結合，使知識具體化，不枯燥；·盡可能結合應用的實例，使理論和實際相結合，達到學以致用的效果。

作者簡介

　　數(shù)據(jù)倉庫與數(shù)據(jù)挖掘前言數(shù)據(jù)挖掘是信息和數(shù)據(jù)深度處理的必然需要，也是體現(xiàn)信息價值的重要工具?，F(xiàn)在數(shù)據(jù)挖掘已經(jīng)成為計算機、信息系統(tǒng)等很多專業(yè)本科生的必修教學內容，可見數(shù)據(jù)挖掘技術在當今科學中的重要性以及應用的廣泛。數(shù)據(jù)挖掘涉及比較多的數(shù)學基礎知識，如何深入淺出地將這些知識及其應用方法介紹給學生是介紹數(shù)據(jù)挖掘的教材的關鍵。`為此，本書在寫作上力求體現(xiàn)如下特點，其一是采用盡可能淺顯易懂的語言，循序漸進地表達知識內容；其二是概念和具體的方法、工具相結合，使知識具體化，不枯燥；其三是盡可能結合應用的實例，使理論和實際相結合，達到學以致用的效果。本書共7章，可分為三個主要部分。第一部分：第1~4章為數(shù)據(jù)挖掘的基礎知識，包括數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的基本概念和相關知識介紹；第二部分：第5、6章介紹了數(shù)據(jù)挖掘的算法和工具；第三部分：第7章是數(shù)據(jù)挖掘的實際應用。通過一個用決策樹算法應用于人力資源管理系統(tǒng)的實例說明數(shù)據(jù)挖掘技術的具體應用。讀者可以根據(jù)自己的需要選擇學習相關的內容。本書可以作為計算機、信息類等專業(yè)本科生數(shù)據(jù)挖掘課程的教材，也可以作為其他專業(yè)學生的參考書。參加本書的編寫人員還有張興會、鄭曉艷和劉玲。由于作者水平有限，歡迎讀者對于書中的不足給予指正。清華大學出版社的編輯在本書的編寫和出版過程中給予了大力支持和幫助。本書作者對參考文獻中列出的以及未列出的所有文獻作者表示由衷的感謝。作者[]2005年3月目錄[]

圖書目錄

第1章緒論
　1.1 初識數(shù)據(jù)挖掘
　　1.1.1 數(shù)據(jù)挖掘的產(chǎn)生
　　1.1.2 數(shù)據(jù)挖掘的應用價值
　　1.1.3 數(shù)據(jù)挖掘的發(fā)展過程
　　1.1.4 數(shù)據(jù)挖掘的定義
　1.2 初識數(shù)據(jù)倉庫
　　1.2.1 數(shù)據(jù)倉庫的產(chǎn)生
　　1.2.2 數(shù)據(jù)倉庫的應用價值
　　1.2.3 數(shù)據(jù)倉庫的發(fā)展過程
　　1.2.4 數(shù)據(jù)倉庫的定義
　　1.2.5 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關系
　1.3 進一步理解數(shù)據(jù)挖掘
　　1.3.1 數(shù)據(jù)挖掘的功能
　　1.3.2 數(shù)據(jù)挖掘常用技術
　　1.3.3 數(shù)據(jù)挖掘的過程
　1.4 數(shù)據(jù)挖掘應用實例
　　1.4.1 應用領域
　　1.4.2 典型案例
　1.5 數(shù)據(jù)挖掘的發(fā)展趨勢
　　1.5.1 數(shù)據(jù)挖掘研究方向
　　1.5.2 數(shù)據(jù)挖掘應用的熱點
　小結
　習題
第2章數(shù)據(jù)倉庫
　2.1 進一步深入理解數(shù)據(jù)倉庫的定義
　　2.1.1 數(shù)據(jù)倉庫的數(shù)據(jù)是面向主題的
　　2.1.2 數(shù)據(jù)倉庫的數(shù)據(jù)是集成的
　　2.1.3 數(shù)據(jù)倉庫的數(shù)據(jù)是不可更新的
　　2.1.4 數(shù)據(jù)倉庫的數(shù)據(jù)是隨時間不斷變化的
　2.2 數(shù)據(jù)倉庫的結構
　　2.2.1 元數(shù)據(jù)
　　2.2.2 粒度的概念
　　2.2.3 分割問題
　　2.2.4 數(shù)據(jù)倉庫中的數(shù)據(jù)組織形式
　2.3 數(shù)據(jù)倉庫的說明——標準手冊
　2.4 數(shù)據(jù)倉庫的清理
　2.5 數(shù)據(jù)倉庫系統(tǒng)的設計
　　2.5.1 數(shù)據(jù)倉庫系統(tǒng)設計方法
　　2.5.2 數(shù)據(jù)倉庫設計的三級數(shù)據(jù)模型
　　2.5.3 提高數(shù)據(jù)倉庫的性能
　　2.5.4 數(shù)據(jù)倉庫設計步驟
　2.6 數(shù)據(jù)倉庫數(shù)據(jù)的訪問
　　2.6.1 數(shù)據(jù)倉庫數(shù)據(jù)的直接訪問
　　2.6.2 數(shù)據(jù)倉庫數(shù)據(jù)的間接訪問
　2.7 數(shù)據(jù)倉庫的應用
　　2.7.1數(shù)據(jù)倉庫的主要應用領域
　　2.7.2數(shù)據(jù)倉庫應用實例
　小結
　習題
第3章數(shù)據(jù)預處理
　3.1 數(shù)據(jù)預處理的目的
　　3.1.1 原始數(shù)據(jù)中存在的問題
　　3.1.2 數(shù)據(jù)預處理的方法和功能
　3.2 數(shù)據(jù)清理
　　3.2.1 處理空缺值
　　3.2.2 噪聲數(shù)據(jù)的處理
　3.3 數(shù)據(jù)集成和變換
　　3.3.1 數(shù)據(jù)集成
　　3.3.2 數(shù)據(jù)變換
　3.4 數(shù)據(jù)歸約
　　3.4.1 數(shù)據(jù)歸約的方法
　　3.4.2 數(shù)據(jù)立方體聚集
　　3.4.3 維歸約
　　3.4.4 數(shù)據(jù)壓縮
　　3.4.5 數(shù)值歸約
　　3.4.6 離散化與概念分層生成
　小結
　習題
第4章數(shù)據(jù)挖掘發(fā)現(xiàn)知識的類型
　4.1 廣義知識
　　4.1.1 廣義知識的概念
　　4.1.2 廣義知識的發(fā)現(xiàn)方法
　4.2 關聯(lián)知識
　　4.2.1 關聯(lián)知識的概念
　　4.2.2 關聯(lián)知識的發(fā)現(xiàn)方法
　　4.2.3 關聯(lián)規(guī)則應用實例
　4.3 分類知識
　　4.3.1 分類知識的概念
　　4.3.2 分類知識的發(fā)現(xiàn)方法
　　4.3.3 分類知識應用實例
　4.4 預測型知識
　　4.4.1 預測型知識的概念
　　4.4.2 預測型知識的發(fā)現(xiàn)方法
　　4.4.3 預測型知識應用實例
　4.5 偏差型知識
　　4.5.1 偏差型知識的概念
　　4.5.2 偏差型知識的發(fā)現(xiàn)方法
　小結
　習題
第5章數(shù)據(jù)挖掘中常用算法
　5.1 神經(jīng)網(wǎng)絡算法
　　5.1.1 神經(jīng)網(wǎng)絡的概念
　　5.1.2 神經(jīng)網(wǎng)絡的計算機模型
　　5.1.3 定義神經(jīng)網(wǎng)絡拓撲
　　5.1.4 基于神經(jīng)網(wǎng)絡的算法
　5.2 使用候選項集找頻繁項集（Apriori）算法
　　5.2.1 關聯(lián)規(guī)則的分類
　　5.2.2 Apriori算法
　　5.2.3 從頻繁項集產(chǎn)生關聯(lián)規(guī)則
　5.3 決策樹算法
　　5.3.1 信息論的基本原理
　　5.3.2 ID3算法
　　5.3.3 樹剪枝
　　5.3.4 由決策樹提取分類規(guī)則
　5.4 聚類分析
　　5.4.1 聚類分析的概念
　　5.4.2 聚類分析中的數(shù)據(jù)類型
　　5.4.3 幾種主要的聚類分析方法
　　5.4.4 聚類分析算法
　小結
　習題
第6章數(shù)據(jù)挖掘的工具及其應用
　6.1 SQL Server 2000數(shù)據(jù)挖掘工具應用
　　6.1.1 安裝要求
　　6.1.2 安裝過程
　　6.1.3 Analysis Services功能介紹
　　6.1.4 Analysis Services的優(yōu)點
　　6.1.5 創(chuàng)建數(shù)據(jù)挖掘模型
　　6.1.6 查看和分析挖掘結果
　　6.1.7 聚類模型
　6.2 SPSS數(shù)據(jù)挖掘工具應用
　　6.2.1 安裝SPSS Clementine
　　6.2.2 SPSS Clementine 8.0工作環(huán)境介紹
　　6.2.3 Clementine應用的結構
　　6.2.4 Clementine的使用
　　6.2.5 挖掘模型的建立和執(zhí)行
　小結
　習題
第7章數(shù)據(jù)挖掘應用實例
　7.1 實例背景
　7.2 決策樹算法
　　7.2.1 數(shù)據(jù)挖掘中的分類算法
　　7.2.2 決策樹的概念
　7.3 實例開發(fā)
　　7.3.1 實例開發(fā)前的準備
　　7.3.2 實例的系統(tǒng)結構
　　7.3.3 決策樹算法模塊
　　7.3.4 算法的程序實現(xiàn)
　7.4 核心源程序
　小結
參考文獻