【现货！】数据仓库与数据挖掘应用教程 李春葆,蒋林,陈良臣,喻
二手会有少量涂画，整体不影响再次阅读使用！套装不一定齐全，请下单前咨询在线客服！
￥ 4 1.0折 ￥ 39.5 八五品
库存3件
上海黄浦
认证卖家担保交易快速发货售后保障
作者李春葆,蒋林,陈良臣,喻丹丹,曾平
出版社清华大学出版社
ISBN9787302430773
出版时间2016-09
版次1
装帧平装
开本16开
纸张胶版纸
页数302页
字数99999千字
定价39.5元
货号9787302430773
上书时间2024-12-02
- 在售商品 暂无
- 平均发货时间 8小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：八五品
- 商品描述
-
基本信息
书名:数据仓库与数据挖掘应用教程
定价：39.50元
作者:李春葆,蒋林,陈良臣,喻丹丹,曾平
出版社：清华大学出版社
出版日期：2016-09-01
ISBN：9787302430773
字数：509000
页码：302
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容全面、知识点详实：在内容讲授上力求详实和全面，细致解析每个知识点和各知识点的联系。条理清晰、讲解透彻：从介绍数据仓库和数据挖掘的基本概念出发，由简单到复杂，循序渐进介绍数据仓库和数据挖掘系统的开发过程。精选实例、实用性强：列举了大量的应用示例，读者通过上机模仿可以大大提高使用应用系统开发能力。：提供了教学PPT、书中所有示例代码、相关数据库文件和ETL源程序。便于读者打开和调试。
内容提要
本书以SQL Server分析服务为环境介绍数据仓库和数据挖掘应用技术，包括数据仓库和数据挖掘概述、OLAP和多维数据模型、数据仓库设计和SQL Server数据仓库开发实例、关联分析算法、决策树分类算法、贝叶斯分类算法、神经网络算法、回归分析算法、时间序列分析和聚类算法。本书内容翔实，循序渐进地介绍各个知识点，并提供全面而丰富的教学资源，可作为各类高等院校计算机及相关专业“数据仓库和数据挖掘应用技术”和“SQL Server高级应用”课程的教学用书，也适合计算机应用人员和计算机爱好者参考。
目录
章数据仓库和数据挖掘概述 1.1数据仓库概述 1.1.1数据仓库的定义 1.1.2数据仓库与操作型数据库的关系 1.1.3数据仓库的应用 1.2数据仓库系统及开发工具 1.2.1数据仓库系统的组成 1.2.2数据仓库系统开发工具 1.3商业智能和数据仓库 1.3.1什么是商业智能 1.3.2商业智能和数据仓库的关系 1.4数据挖掘概述 1.4.1数据挖掘的定义 1.4.2数据挖掘的主要任务 1.4.3数据挖掘的对象 1.4.4数据挖掘的知识表示 1.4.5数据挖掘与数据仓库及OLAP的关系 1.4.6数据挖掘的应用 1.5数据挖掘过程 1.5.1数据挖掘步骤 1.5.2数据清理 1.5.3数据集成 1.5.4数据变换 1.5.5数据归约 1.5.6离散化和概念分层生成 1.5.7数据挖掘的算法 练习题 第2章OLAP和多维数据模型 2.1OLAP概述 2.1.1什么是OLAP 2.1.2OLAP和OLTP的区别 2.1.3数据仓库与OLAP的关系 2.2多维数据模型 2.2.1多维数据模型的相关概念 2.2.2OLAP的基本分析操作 2.2.3多维数据模型的实现途径 2.3数据仓库的维度建模 2.3.1数据仓库建模概述 2.3.2星形模型 2.3.3雪花模型 2.3.4事实星座模型 练习题 第3章数据仓库设计 3.1数据仓库设计概述 3.1.1数据仓库设计原则 3.1.2建立数据仓库系统的两种模式 3.1.3数据仓库设计过程 3.2数据仓库规划与需求分析 3.2.1数据仓库规划 3.2.2数据仓库需求分析 3.3数据仓库建模 3.3.1数据仓库建模的主要工作 3.3.2维表设计 3.3.3事实表设计 3.4数据仓库物理模型设计 3.4.1确定数据的存储结构 3.4.2确定索引策略 3.4.3确定存储分配 3.5数据仓库部署与维护 3.5.1数据仓库的部署 3.5.2数据仓库的维护 练习题 第4章SQLServer数据仓库开发实例 4.1OnRetDW系统需求分析 4.1.1OnRetDW系统的主题 4.1.2OnRetDW系统的功能 4.2OnRetDW的建模 4.2.1维表设计 4.2.2事实表设计 4.3数据抽取工具设计 4.4基于SQL Server 2012设计OnRetDW 4.4.1创建数据仓库OnRetDW项目 4.4.2创建数据源 4.4.3创建数据源视图 4.4.4创建维表 4.4.5创建多维数据集 4.4.6部署SDWS 4.4.7浏览已部署的多维数据集 4.5MDX简介 4.5.1MDX语言概述 4.5.2执行MDX查询 4.5.3多维数据查询 练习题 上机实验题 第5章关联分析算法 5.1关联分析概述 5.1.1什么是关联分析 5.1.2事务数据库 5.1.3关联规则及其度量 5.1.4频繁项集 5.1.5挖掘关联规则的基本过程 5.2Apriori算法 5.2.1Apriori性质 5.2.2Apriori算法求频繁项集 5.2.3由频繁项集产生强关联规则 5.3SQL Server挖掘关联规则 5.3.1创建DMK数据库 5.3.2建立关联挖掘项目 5.3.3部署关联挖掘项目并浏览结果 5.4电子商务数据的关联规则挖掘 5.4.1创建OnRetDMK数据库 5.4.2数据加载功能设计 5.4.3建立关联挖掘项目 5.4.4部署关联挖掘项目并浏览结果 练习题 上机实验题 第6章决策树分类算法 6.1分类过程 6.1.1分类概述 6.1.2分类过程的学习阶段 6.1.3分类过程的分类阶段 6.2决策树分类 6.2.1决策树 6.2.2建立决策树的ID3算法 6.3SQL Server决策树分类 6.3.1建立数据表 6.3.2建立决策树分类挖掘模型 6.3.3浏览决策树模型和分类预测 6.4电子商务数据的决策树分类 6.4.1创建OnRetDMK.DST数据表 6.4.2数据加载功能设计 6.4.3建立决策树分类模型 6.4.4浏览决策树 练习题 上机实验题 第7章贝叶斯分类算法 7.1贝叶斯分类概述 7.1.1贝叶斯定理 7.1.2贝叶斯信念网络 7.2朴素贝叶斯分类 7.2.1朴素贝叶斯分类原理 7.2.2朴素贝叶斯分类算法 7.3SQL Server朴素贝叶斯分类 7.3.1建立朴素贝叶斯分类挖掘模型 7.3.2浏览朴素贝叶斯分类模型和分类预测 7.4电子商务数据的贝叶斯分类 7.4.1建立朴素贝叶斯分类挖掘模型 7.4.2浏览挖掘结果及分析 练习题 上机实验题 第8章神经网络算法 8.1人工神经网络概述 8.1.1人工神经元 8.1.2人工神经网络 8.1.3神经网络应用 8.2用于分类的前馈神经网络 8.2.1前馈神经网络的学习过程 8.2.2前馈神经网络用于分类的算法 8.3SQL Server神经网络分类 8.3.1建立神经网络分类挖掘模型 8.3.2浏览神经网络分类模型和分类预测 8.4电子商务数据的神经网络分类 8.4.1建立神经网络分类挖掘模型 8.4.2浏览挖掘结果及分析 练习题 上机实验题 第9章回归分析算法 9.1回归分析概述 9.2线性回归分析 9.2.1一元线性回归分析 9.2.2多元线性回归分析 9.2.3SQL Server线性回归分析 9.3非线性回归分析 9.3.1非线性回归分析的处理方法 9.3.2可转换成线性回归的非线性回归 9.3.3不可变换成线性回归的非线性回归分析 9.4逻辑回归分析 9.4.1逻辑回归原理 9.4.2逻辑回归模型 9.4.3SQL Server逻辑回归分析 9.5电子商务数据的逻辑回归分析 9.5.1建立逻辑回归挖掘模型 9.5.2浏览挖掘结果及分析 练习题 上机实验题 0章时间序列分析 10.1时间序列分析概述 10.1.1什么是时间序列和时间序列分析 10.1.2时间序列的分类和平稳性判断 10.1.3时间序列建模的两种基本假设 10.1.4回归分析与时间序列分析 10.2确定性时间序列分析 10.2.1移动平均模型 10.2.2指数平滑模型 10.3随机时间序列模型 10.3.1随机时间序列模型概述 10.3.2自回归模型AR（p） 10.4SQL Server时间序列分析 10.4.1建立数据表 10.4.2建立时间序列分析模型 10.4.3浏览时间序列分析模型 10.5电子商务数据的时间序列分析 10.5.1创建OnRetDMK.TS数据表 10.5.2数据加载功能设计 10.5.3建立时间序列分析模型 10.5.4浏览时间序列分析模型 练习题 上机实验题 1章聚类算法 11.1聚类概述 11.1.1什么是聚类 11.1.2相似性度量 11.1.3聚类过程 11.1.4常见的聚类算法 11.1.5聚类分析的应用 11.2k—均值算法及其应用 11.2.1k—均值算法 11.2.2SQL Server的k—均值算法应用 11.3EM算法及其应用 11.3.1EM算法 11.3.2SQL Server中EM算法 11.4电子商务数据的聚类分析 11.4.1建立聚类挖掘模型 11.4.2两种算法结果的比较 11.5Microsoft顺序分析和聚类分析算法 11.5.1Microsoft顺序分析和聚类分析算法概述 11.5.2Microsoft顺序分析和聚类分析算法的应用 章数据仓库和数据挖掘概述 1.1数据仓库概述 1.1.1数据仓库的定义 1.1.2数据仓库与操作型数据库的关系 1.1.3数据仓库的应用 1.2数据仓库系统及开发工具 1.2.1数据仓库系统的组成 1.2.2数据仓库系统开发工具 1.3商业智能和数据仓库 1.3.1什么是商业智能 1.3.2商业智能和数据仓库的关系 1.4数据挖掘概述 1.4.1数据挖掘的定义 1.4.2数据挖掘的主要任务 1.4.3数据挖掘的对象 1.4.4数据挖掘的知识表示 1.4.5数据挖掘与数据仓库及OLAP的关系 1.4.6数据挖掘的应用 1.5数据挖掘过程 1.5.1数据挖掘步骤 1.5.2数据清理 1.5.3数据集成 1.5.4数据变换 1.5.5数据归约 1.5.6离散化和概念分层生成 1.5.7数据挖掘的算法 练习题 第2章OLAP和多维数据模型 2.1OLAP概述 2.1.1什么是OLAP 2.1.2OLAP和OLTP的区别 2.1.3数据仓库与OLAP的关系 2.2多维数据模型 2.2.1多维数据模型的相关概念 2.2.2OLAP的基本分析操作 2.2.3多维数据模型的实现途径 2.3数据仓库的维度建模 2.3.1数据仓库建模概述 2.3.2星形模型 2.3.3雪花模型 2.3.4事实星座模型 练习题 第3章数据仓库设计 3.1数据仓库设计概述 3.1.1数据仓库设计原则 3.1.2建立数据仓库系统的两种模式 3.1.3数据仓库设计过程 3.2数据仓库规划与需求分析 3.2.1数据仓库规划 3.2.2数据仓库需求分析 3.3数据仓库建模 3.3.1数据仓库建模的主要工作 3.3.2维表设计 3.3.3事实表设计 3.4数据仓库物理模型设计 3.4.1确定数据的存储结构 3.4.2确定索引策略 3.4.3确定存储分配 3.5数据仓库部署与维护 3.5.1数据仓库的部署 3.5.2数据仓库的维护 练习题 第4章SQLServer数据仓库开发实例 4.1OnRetDW系统需求分析 4.1.1OnRetDW系统的主题 4.1.2OnRetDW系统的功能 4.2OnRetDW的建模 4.2.1维表设计 4.2.2事实表设计 4.3数据抽取工具设计 4.4基于SQL Server 2012设计OnRetDW 4.4.1创建数据仓库OnRetDW项目 4.4.2创建数据源 4.4.3创建数据源视图 4.4.4创建维表 4.4.5创建多维数据集 4.4.6部署SDWS 4.4.7浏览已部署的多维数据集 4.5MDX简介 4.5.1MDX语言概述 4.5.2执行MDX查询 4.5.3多维数据查询 练习题 上机实验题 第5章关联分析算法 5.1关联分析概述 5.1.1什么是关联分析 5.1.2事务数据库 5.1.3关联规则及其度量 5.1.4频繁项集 5.1.5挖掘关联规则的基本过程 5.2Apriori算法 5.2.1Apriori性质 5.2.2Apriori算法求频繁项集 5.2.3由频繁项集产生强关联规则 5.3SQL Server挖掘关联规则 5.3.1创建DMK数据库 5.3.2建立关联挖掘项目 5.3.3部署关联挖掘项目并浏览结果 5.4电子商务数据的关联规则挖掘 5.4.1创建OnRetDMK数据库 5.4.2数据加载功能设计 5.4.3建立关联挖掘项目 5.4.4部署关联挖掘项目并浏览结果 练习题 上机实验题 第6章决策树分类算法 6.1分类过程 6.1.1分类概述 6.1.2分类过程的学习阶段 6.1.3分类过程的分类阶段 6.2决策树分类 6.2.1决策树 6.2.2建立决策树的ID3算法 6.3SQL Server决策树分类 6.3.1建立数据表 6.3.2建立决策树分类挖掘模型 6.3.3浏览决策树模型和分类预测 6.4电子商务数据的决策树分类 6.4.1创建OnRetDMK.DST数据表 6.4.2数据加载功能设计 6.4.3建立决策树分类模型 6.4.4浏览决策树 练习题 上机实验题 第7章贝叶斯分类算法 7.1贝叶斯分类概述 7.1.1贝叶斯定理 7.1.2贝叶斯信念网络 7.2朴素贝叶斯分类 7.2.1朴素贝叶斯分类原理 7.2.2朴素贝叶斯分类算法 7.3SQL Server朴素贝叶斯分类 7.3.1建立朴素贝叶斯分类挖掘模型 7.3.2浏览朴素贝叶斯分类模型和分类预测 7.4电子商务数据的贝叶斯分类 7.4.1建立朴素贝叶斯分类挖掘模型 7.4.2浏览挖掘结果及分析 练习题 上机实验题 第8章神经网络算法 8.1人工神经网络概述 8.1.1人工神经元 8.1.2人工神经网络 8.1.3神经网络应用 8.2用于分类的前馈神经网络 8.2.1前馈神经网络的学习过程 8.2.2前馈神经网络用于分类的算法 8.3SQL Server神经网络分类 8.3.1建立神经网络分类挖掘模型 8.3.2浏览神经网络分类模型和分类预测 8.4电子商务数据的神经网络分类 8.4.1建立神经网络分类挖掘模型 8.4.2浏览挖掘结果及分析 练习题 上机实验题 第9章回归分析算法 9.1回归分析概述 9.2线性回归分析 9.2.1一元线性回归分析 9.2.2多元线性回归分析 9.2.3SQL Server线性回归分析 9.3非线性回归分析 9.3.1非线性回归分析的处理方法 9.3.2可转换成线性回归的非线性回归 9.3.3不可变换成线性回归的非线性回归分析 9.4逻辑回归分析 9.4.1逻辑回归原理 9.4.2逻辑回归模型 9.4.3SQL Server逻辑回归分析 9.5电子商务数据的逻辑回归分析 9.5.1建立逻辑回归挖掘模型 9.5.2浏览挖掘结果及分析 练习题 上机实验题 0章时间序列分析 10.1时间序列分析概述 10.1.1什么是时间序列和时间序列分析 10.1.2时间序列的分类和平稳性判断 10.1.3时间序列建模的两种基本假设 10.1.4回归分析与时间序列分析 10.2确定性时间序列分析 10.2.1移动平均模型 10.2.2指数平滑模型 10.3随机时间序列模型 10.3.1随机时间序列模型概述 10.3.2自回归模型AR（p） 10.4SQL Server时间序列分析 10.4.1建立数据表 10.4.2建立时间序列分析模型 10.4.3浏览时间序列分析模型 10.5电子商务数据的时间序列分析 10.5.1创建OnRetDMK.TS数据表 10.5.2数据加载功能设计 10.5.3建立时间序列分析模型 10.5.4浏览时间序列分析模型 练习题 上机实验题 1章聚类算法 11.1聚类概述 11.1.1什么是聚类 11.1.2相似性度量 11.1.3聚类过程 11.1.4常见的聚类算法 11.1.5聚类分析的应用 11.2k—均值算法及其应用 11.2.1k—均值算法 11.2.2SQL Server的k—均值算法应用 11.3EM算法及其应用 11.3.1EM算法 11.3.2SQL Server中EM算法 11.4电子商务数据的聚类分析 11.4.1建立聚类挖掘模型 11.4.2两种算法结果的比较 11.5Microsoft顺序分析和聚类分析算法 11.5.1Microsoft顺序分析和聚类分析算法概述 11.5.2Microsoft顺序分析和聚类分析算法的应用 练习题 上机实验题 附录A部分练习题参考答案 章 第2章 第3章 第4章 第5章 第6章 第7章 第8章 第9章 0章 1章 附录B上机实验题参考答案 第4章 第5章 第6章 第7章 第8章 第9章 0章 1章 附录C书中数据库和包含的数据表 1.OnRet数据库 2.SDW数据库 3.OnRetDMK数据库 4.DMK数据库 参考文献
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价