商業(yè)智能原理與應(yīng)用（第二版）

第一章 數(shù)據(jù)挖掘和商業(yè)智能
第一節(jié) 數(shù)據(jù)挖掘的興起
第二節(jié) 什么是商業(yè)智能
第三節(jié) 數(shù)據(jù)挖掘和商業(yè)智能工具
第四節(jié) 數(shù)據(jù)挖掘應(yīng)用案例
小結(jié)
思考與練習(xí)
第二章 數(shù)據(jù)倉(cāng)庫(kù)
第一節(jié) 數(shù)據(jù)倉(cāng)庫(kù)的概念
第二節(jié) 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)
第三節(jié) 元數(shù)據(jù)
第四節(jié) 數(shù)據(jù)集市
第五節(jié) 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)與實(shí)施
第六節(jié) Microsoft數(shù)據(jù)倉(cāng)庫(kù)和商業(yè)智能工具
第七節(jié) 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)案例
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第三章 數(shù)據(jù)預(yù)處理
第一節(jié) 數(shù)據(jù)預(yù)處理的重要性
第二節(jié) 數(shù)據(jù)清洗
第三節(jié) 數(shù)據(jù)集成與轉(zhuǎn)換
第四節(jié) 數(shù)據(jù)消減
第五節(jié) 離散化和概念層次樹(shù)生成
第六節(jié) 使用SSIS對(duì)數(shù)據(jù)進(jìn)行ETL操作
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第四章 多維數(shù)據(jù)分析
第一節(jié) 多維數(shù)據(jù)分析基礎(chǔ)
第二節(jié) 多維數(shù)據(jù)分析方法
第三節(jié) 多維數(shù)據(jù)的存儲(chǔ)方式
第四節(jié) 多維表達(dá)式
第五節(jié) 使用SQL Server Analysis Server構(gòu)建維度和多維數(shù)據(jù)集
第六節(jié) 使用Excel數(shù)據(jù)透視圖瀏覽多維數(shù)據(jù)集
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第五章 用Microsoft SSRS處理智能報(bào)表
第一節(jié) SSRS商業(yè)智能報(bào)表
第二節(jié) 使用SSRS創(chuàng)建報(bào)表
小結(jié)
實(shí)驗(yàn)
第六章 數(shù)據(jù)挖掘技術(shù)
第一節(jié) 數(shù)據(jù)挖掘的任務(wù)
第二節(jié) 數(shù)據(jù)挖掘的對(duì)象
第三節(jié) 數(shù)據(jù)挖掘系統(tǒng)的分類
第四節(jié) 數(shù)據(jù)挖掘項(xiàng)目的生命周期
第五節(jié) 數(shù)據(jù)挖掘面臨的挑戰(zhàn)及發(fā)展
小結(jié)
思考與練習(xí)
第七章 關(guān)聯(lián)挖掘
第一節(jié) 關(guān)聯(lián)規(guī)則挖掘
第二節(jié) 單維布爾關(guān)聯(lián)規(guī)則挖掘
第三節(jié) 挖掘多層次關(guān)聯(lián)規(guī)則
第四節(jié) 多維關(guān)聯(lián)規(guī)則的挖掘
第五節(jié) 關(guān)聯(lián)挖掘中的相關(guān)分析
第六節(jié) 利用Microsoft SSAS進(jìn)行關(guān)聯(lián)挖掘
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第八章 分類與預(yù)測(cè)
第一節(jié) 分類與預(yù)測(cè)基本知識(shí)
第二節(jié) 有關(guān)分類和預(yù)測(cè)的幾個(gè)問(wèn)題
第三節(jié) 基于決策樹(shù)的分類
第四節(jié) 貝葉斯分類方法
第五節(jié) 神經(jīng)網(wǎng)絡(luò)分類方法
第六節(jié) 分類器準(zhǔn)確性
第七節(jié) 預(yù)測(cè)方法
第八節(jié) Microsoft貝葉斯算法
第九節(jié) Microsoft決策樹(shù)算法
第十節(jié) Microsoft神經(jīng)網(wǎng)絡(luò)算法
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第九章 聚類分析
第一節(jié) 聚類分析概念
第二節(jié) 聚類分析中的數(shù)據(jù)類型
第三節(jié) 主要聚類方法
第四節(jié) 劃分方法
第五節(jié) 層次方法
第六節(jié) 基于密度方法
第七節(jié) 異常數(shù)據(jù)分析
第八節(jié) Microsoft聚類算法
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第十章 時(shí)序數(shù)據(jù)和序列數(shù)據(jù)挖掘
第一節(jié) 時(shí)間序列模型
第二節(jié) Microsoft的時(shí)序算法
第三節(jié) Microsoft時(shí)序算法示例
第四節(jié) Microsoft的序列模式挖掘
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第十一章 基于多維數(shù)據(jù)集的數(shù)據(jù)挖掘
第一節(jié) OLAP和數(shù)據(jù)挖掘之間的關(guān)系
第二節(jié) 構(gòu)建OLAP挖掘模型
小結(jié)
參考文獻(xiàn)