商务数据挖掘与应用(第2版)
全新正版 极速发货
￥ 31.75 5.3折 ￥ 59.8 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者蒋盛益 编
出版社电子工业出版社
ISBN9787121400124
出版时间2020-11
装帧平装
开本16开
定价59.8元
货号1202198714
上书时间2024-11-21
商品详情
- 品相描述：全新
- 商品描述
-
目录
上篇 认识篇
第1章 绪论
1．1 引例
1．2 数据挖掘简介
1．2．1 数据挖掘技术的使用背景
1．2．2 数据挖掘的概念
1．2．3 数据挖掘任务
1．2．4 数据挖掘过程
1．2．5 数据挖掘技术的前景
1．2．6 数据挖掘十大经典算法
1．3 数据挖掘在商业领域中的应用
1．3．1 客户关系管理
1．3．2 市场营销
1．3．3 个性化推荐与个性化服务
1．3．4 信用评估与欺诈检测
1．3．5 供应链库存管理中的需求预测
1．3．6 人力资源管理
1．4 数据挖掘与隐私保护
1．5 数据挖掘工具及其选择
本章小结
习题1
案例分析：聚类城镇
第2章 数据挖掘建模方法
2．1 数据挖掘建模概述
2．2 业务理解
2．3 数据理解
2．4 数据准备
2．5 建模
2．5．1 成功建立预测模型的注意事项
2．5．2 如何建立有效的预测模型
2．6 评估
2．7 部署
2．8 辛普森悖论
本章小结
习题2
案例分析
中篇 技术篇
第3章 数据准备
3．1 数据探索
3．1．1 描述性统计分析
3．1．2 数据可视化
3．2 数据清理
3．3 数据集成
3．4 数据变换
3．5 数据归约
3．6 Clementine简介
3．6．1 Clementine数据流操作
3．6．2 输入、输出节点
3．6．3 数据可视化节点
3．6．4 数据预处理节点
3．7 综合案例：电信客户通话模式分析
本章小结
习题3
案例分析
第4章 聚类分析
4．1 聚类分析概述
4．2 相似性度量
4．2．1 数据及数据类型
4．2．2 属性之间的相似性度量
4．2．3 对象之间的相似性度量
4．3 k-Means算法及其改进
4．3．1 k -Means算法
4．3．2 k-Means算法的拓展
4．4 DBSCAN聚类算法
4．5 一趟聚类算法
4．5．1 算法描述
4．5．2 聚类阈值的选择策略
4．5．3 一趟聚类算法的应用
4．6 层次聚类算法
4．6．1 概述
4．6．2 二分k -Means算法
4．6．3 BIRCH算法
4．6．4 两步聚类算法
4．7 SOM算法
4．7．1 SOM算法中网络的拓扑结构
4．7．2 SOM算法的聚类原理
4．8 聚类算法评价
4．8．1 有监督度量
4．8．2 无监督度量
4．9 Clementine中相关节点的介绍
4．9．1 k -Means节点
4．9．2 两步节点
4．9．3 Kohonen节点
4．10 综合案例：超市客户细分
本章小结
习题4
案例分析
第5章 分类分析
5．1 分类概述
5．2 决策树分类方法
5．2．1 决策树的基本概念
5．2．2 决策树的构建
5．2．3 Hunt算法
5．2．4 C4．5分类算法
5．2．5 CART算法
5．2．6 C4．5与CART算法的主要区别
5．2．7 决策树分类算法的特点
5．3 贝叶斯分类方法
5．3．1 贝叶斯定理
5．3．2 朴素贝叶斯分类算法
5．3．3 零条件概率问题的处理
5．3．4 朴素贝叶斯算法的优缺点
5．3．5 贝叶斯信念网络
5．4 KNN
5．4．1 最近邻分类方法的基本概念
5．4．2 KNN算法的优缺点
5．4．3 KNN算法的扩展
5．5 集成分类方法
5．5．1 集成分类方法的过程描述
5．5．2 构建集成分类器的方法
5．5．3 随机森林
5．5．4 集成分类方法的优缺点
5．6 分类方法评价
5．6．1 分类模型性能评价指标
5．6．2 分类模型性能评价应注意的点
5．6．3 评估分类模型性能的方法
5．7 Clementine中相关节点的介绍
5．7．1 C5．0节点
5．7．2 CRT节点
5．7．3 贝叶斯节点
5．7．4 集成节点
5．7．5 分析节点
5．7．6 评估节点
5．8 综合案例
5．8．1 案例5-1：银行客户信用风险评估
5．8．2 案例5-2：离职员工预测
本章小结
习题5
案例分析
第6章 关联规则分析
6．1 关联规则分析概述
6．2 关联规则分析基础
6．2．1 基本概念
6．2．2 基础分析方法
6．3 Apriori算法
6．3．1 Apriori性质
6．3．2 产生频繁项集
6．3．3 频繁项集构造示例
6．3．4 产生关联规则
6．3．5 规则的评估标准
6．3．6 Apriori算法评价
6．4 FP-Growth算法
6．4．1 FP-Tree表示法
6．4．2 构建FP-Tree
6．4．3 发现频繁项集
6．5 关联规则扩展
6．5．1 关联规则分类
6．5．2 多层次关联规则
6．5．3 多维关联规则
6．5．4 定量关联规则
6．5．5 基于约束的关联规则
6．5．6 序列模式挖掘 211
6．6 Clementine中Apriori节点的介绍
6．7 综合案例
6．7．1 案例6-1：超市购物篮分析
6．7．2 案例6-2：移动业务关联分析
本章小结
习题6
案例分析
第7章 离群点检测
7．1 离群点概述
7．2 基于距离的离群点检测方法
7．3 基于相对密度的离群点检测方法
7．4 基于聚类的离群点检测方法
7．4．1 基于对象的离群因子检测方法
7．4．2 基于簇的离群因子检测方法
7．4．3 基于聚类的动态数据离群点检测
7．5 离群点检测方法的评估
7．6 Clementine中的异常节点
7．7 综合案例：信用卡欺诈检测
本章小结
习题7
案例分析
第8章 回归分析
8．1 回归分析概述
8．2 线性回归模型
8．2．1 多元线性回归模型的表示
8．2．2 多元线性回归模型的检验
8．3 非线性回归
8．4 逻辑回归
8．4．1 二元逻辑回归模型
8．4．2 逻辑回归模型的系数估计
8．4．3 逻辑回归模型系数的解释
8．4．4 显著性检验
8．4．5 回归方程的拟合优度检验
8．5 Clementine中相关节点介绍
8．5．1 线性回归节点
8．5．2 逻辑回归节点
8．6 综合案例：我国私人汽车拥有量的非线性回归
本章小结
习题8
案例分析
下篇 案例篇
第9章 RFM分析
9．1 RFM分析的基本原理
9．2 RFM模型的应用场景
9．3 Clementine中相关节点介绍
9．3．1 RFM汇总节点
9．3．2 RFM分析节点
9．4 综合案例
9．4．1 案例9-1：识别促销的目标客户
9．4．2 案例9-2：Charles读书俱乐部目录销售
9．4．3 案例9-3：销售数据分析
本章小结
第10章 社会网络分析
10．1 图论基础
10．2 社会网络分析概述
10．2．1 社会网络分析相关概念
10．2．2 中心性
10．2．3 权威性
10．2．4 网络密度
10．3 社区检测
10．3．1 社区检测方法简介
10．3．2 社区检测质量评价
10．4 社会网络分析软件
10．4．1 社会网络分析软件概述
10．4．2 Gephi简介
10．5 综合案例
10．5．1 案例10-1：基于社区检测的通信业客户细分
10．5．2 案例10-2：“一带一路”沿线国家间贸易数据分析
本章小结
第11章 文本挖掘
11．1 分词技术
11．1．1 分词挑战
11．1．2 分词方法
11．1．3 常见分词工具
11．2 文本向量化
11．2．1 向量空间模型
11．2．2 文本特征选择
11．3 文本聚类
11．3．1 文本相似度计算
11．3．2 文本聚类过程
11．4 文本分类
11．4．1 文本分类的概念
11．4．2 常用文本分类算法
11．4．3 常用基准语料与模型评估标准
11．5 文本情感分析
11．5．1 文本情感分析的概念
11．5．2 文本情感分析技术
11．5．3 文本情感分析的应用
11．6 相关软件
11．6．1 数据采集工具八爪鱼
11．6．2 可视化内容挖掘软件ROST CM6
11．7 综合案例：基于微博的用户特征识别
本章小结
第12章 数据挖掘在客户关系管理中的应用
12．1 客户关系管理
12．1．1 客户关系管理概述
12．1．2 客户价值分析
12．1．3 客户细分分析
12．1．4 市场营销 345
12．1．5 客户关系管理的实施流程
12．2 客户生命周期分析
12．3 综合案例
12．3．1 案例12-1：旅游公司目录销售
12．3．2 案例12-2：电信客户细分与流失分析
12．3．3 案例12-3：航空公司客户价值分析
本章小结
第13章 数据挖掘在金融领域的应用
13．1 金融科技概述
13．2 数据挖掘在银行业中的应用概述
13．3 综合案例：信用风险分析
本章小结
第14章 数据挖掘在财务风险分析和预警中的应用
14．1 数据挖掘在财务风险管理中的应用概述
14．2 综合案例
14．2．1 案例14-1：上市公司财务报表舞弊识别
14．2．2 案例14-2：上市公司财务困境预警
本章小结
第15章 数据挖掘在电子商务中的应用
15．1 数据挖掘在电子商务中的应用概述
15．2 主要应用领域
15．2．1 网络客户关系管理
15．2．2 网站设计优化
15．2．3 推荐系统
15．3 综合案例
15．3．1 案例15-1：基于关联分析的淘宝网推荐
15．3．2 案例15-2 电商客户流失预警
本章小结
附录A 数据挖掘常用资源列表
参考文献
内容摘要
本书由认识篇、技术篇和案例篇三部分组成，以商业领域中的问题为背景，主要讲解数据挖掘技术的应用。认识篇介绍数据挖掘的各种技术和数据挖掘建模方法，可使读者了解数据挖掘技术在商业领域中的应用概貌；技术篇介绍数据挖掘中的聚类分析、分类分析、关联规则分析、离群点检测、回归分析等方法；案例篇介绍实际领域应用较多的RFM分析、社会网络分析和文本挖掘，展示数据挖掘在不同领域中的应用案例，使读者理解如何应用数据挖掘技术解决商业领域中的问题。本书可作为经济、管理类等相关专业学生学习数据挖掘技术的教材或参考书，也可作为计算机相关专业学生学习数据挖掘技术的参考书，还可作为企事业单位管理者、数据分析人员、市场营销人员、研究与开发人员的参考资料。
— 没有更多了 —
以下为对购买帮助不大的评价