• 商务智能与数据挖掘(第2版)(大数据技术与应用专业规划教材)
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

商务智能与数据挖掘(第2版)(大数据技术与应用专业规划教材)

19.72 5.0折 39.5 九五品

仅1件

河北廊坊
认证卖家担保交易快速发货售后保障

作者蔡晓妍、杨黎斌、张晓婷、李梅 著

出版社清华大学出版社

出版时间2018-03

版次2

装帧平装

货号A4

上书时间2024-12-01

   商品详情   

品相描述:九五品
图书标准信息
  • 作者 蔡晓妍、杨黎斌、张晓婷、李梅 著
  • 出版社 清华大学出版社
  • 出版时间 2018-03
  • 版次 2
  • ISBN 9787302486312
  • 定价 39.50元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 199页
  • 字数 321千字
  • 正文语种 简体中文
【内容简介】
商务智能与数据挖掘是近年来企业信息化的热点研究内容。本书共分为9章,包括商务智能概述、商务智能中的核心技术、数据挖掘概述、分类分析、关联分析、聚类分析、深度学习、Web挖掘技术、数据挖掘在电子商务中的应用等内容,它汇集了统计学、机器学习、数据库、人工智能等学科,具有多学科交叉以及技术与管理融合等特点。 

本书内容全面,案例丰富,适合作为计算机应用、软件工程、信息管理、电子商务和管理科学等相关专业的本科生和研究生教材,也可作为企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的参考资料。 

【目录】


目录 

第1章商务智能概述 

1.1商务智能的概念 

1.1.1数据、信息与知识 

1.1.2商务智能的定义 

1.1.3商务智能的特点 

1.1.4商务智能的过程 

1.2商务智能的产生与发展 

1.2.1商务智能的产生和发展过程 

1.2.2商务智能与其他系统的关系 

1.3商务智能的研究内容 

1.4商务智能系统的支撑技术 

1.5商务智能系统框架及数据流程 

1.5.1商务智能系统框架 

1.5.2商务智能系统的数据流程 

1.6主流商务智能产品 

1.6.1主流商务智能产品简介 

1.6.2商务智能的抉择 

1.7商务智能的未来发展趋势 

1.8商务智能的应用 

小结 

习题 

第2章商务智能中的核心技术 

2.1数据仓库 

2.1.1数据仓库的产生与发展 

2.1.2数据仓库的概念与特征 

2.1.3ETL 

2.1.4数据集市 

2.1.5数据仓库的数据组织 

2.1.6数据仓库的体系结构 

2.1.7数据仓库的开发步骤 

2.2在线分析处理 

2.2.1OLAP简介 

2.2.2OLAP的定义和相关概念 

2.2.3OLAP与OLTP的区别 

2.2.4OLAP的分类 

2.2.5OLAP多维数据分析 

2.3数据可视化 

2.3.1什么是数据可视化 

2.3.2数据可视化的优势 

2.3.3数据可视化工具 

小结 

习题 

第3章数据挖掘概述 

3.1数据挖掘的起源与发展 

3.1.1数据挖掘的起源 

3.1.2数据挖掘的发展 

3.2数据挖掘所要解决的问题 

3.3数据挖掘的定义 

3.4数据挖掘的过程 

3.5数据挖掘系统 

3.5.1数据挖掘系统的分类 

3.5.2数据挖掘系统的发展 

3.6数据挖掘的功能和方法 

3.6.1数据挖掘的功能 

3.6.2数据挖掘的方法 

3.7数据挖掘的典型应用领域 

3.8数据挖掘的发展趋势 

小结 

习题 

第4章分类分析 

4.1预备知识 

4.2解决分类问题的一般方法 

4.3分类算法 

4.3.1贝叶斯分类器 

4.3.2贝叶斯信念网络 

4.3.3决策树 

4.3.4支持向量机 

4.3.5粗糙集 

4.3.6其他分类算法 

4.4评估分类器的性能 

4.4.1保持方法 

4.4.2随机二次抽样 

4.4.3交叉验证 

4.4.4自助法 

小结 

习题 

第5章关联分析 

5.1引言 

5.2基本概念 

5.3关联规则的种类 

5.4关联规则的研究现状 

5.5关联规则挖掘算法 

5.5.1Apriori算法 

5.5.2Apriori改进算法 

5.5.3FP增长算法 

5.6改善关联规则挖掘质量问题 

5.6.1用户主观层面 

5.6.2系统客观层面 

5.7约束数据挖掘问题 

小结 

习题 

第6章聚类分析 

6.1聚类的概念 

6.1.1聚类概念及应用 

6.1.2聚类算法要求 

6.1.3聚类技术类型划分 

6.2聚类分析的统计量 

6.2.1模型定义 

6.2.2相似性度量 

6.3常用聚类算法 

6.3.1k均值算法 

6.3.2kmedoids算法 

6.3.3凝聚层次聚类算法 

6.3.4DBSCAN算法 

6.3.5STING算法 

6.3.6CLIQUE算法 

6.4簇评估 

6.4.1概述 

6.4.2非监督簇评估:使用凝聚度和分离度 

6.4.3非监督簇评估:使用邻近度矩阵 

6.4.4层次聚类的非监督评估 

6.4.5确定正确的簇个数 

6.4.6聚类趋势 

6.4.7簇有效性的监督度量 

6.5聚类与分类比较 

小结 

习题 

第7章深度学习 

7.1深度学习的由来 

7.1.1深度学习的神经学启示 

7.1.2浅层结构函数表示能力的局限性 

7.1.3特征提取的需要 

7.2深度学习的经典方法 

7.2.1深度学习表示模型和网络结构 

7.2.2自动编码器 

7.2.3受限玻尔兹曼机 

7.2.4卷积神经网络 

7.3深度学习的应用 

7.3.1深度学习在语音识别、合成及机器翻译中的应用 

7.3.2深度学习在图像分类及识别中的应用 

7.3.3深度学习在视频分类及行为识别中的应用 

7.4深度学习的研究近况及未来研究方向 

7.4.1研究近况 

7.4.2未来研究方向 

小结 

习题 

第8章Web挖掘技术 

8.1Web数据挖掘概述 

8.1.1Web数据挖掘的概念 

8.1.2Web数据挖掘的特点 

8.1.3Web数据挖掘的处理流程 

8.1.4Web数据挖掘与信息检索、信息抽取的区别 

8.2Web数据挖掘分类 

8.2.1Web内容挖掘概述 

8.2.2Web结构挖掘概述 

8.2.3Web使用挖掘概述 

8.3Web内容挖掘 

8.3.1特征提取和特征表示 

8.3.2自动摘要 

8.3.3文本分类 

8.3.4文本聚类 

8.4Web结构挖掘 

8.4.1超链和页面内容的关系 

8.4.2不同挖掘阶段的分析 

8.4.3PageRank 

8.4.4HITS 

8.4.5两种算法的比较 

8.4.6Web结构挖掘应用 

8.5Web使用挖掘 

8.5.1Web使用挖掘数据预处理 

8.5.2Web使用挖掘模式发现 

8.5.3Web使用挖掘模式分析 

8.5.4Web使用挖掘模式应用 

小结 

习题 

第9章数据挖掘在电子商务中的应用 

9.1网站结构优化 

9.2智能搜索引擎 

9.2.1网络机器人 

9.2.2文本分析 

9.2.3搜索条件的获取和分析 

9.2.4信息的搜索和排序 

9.3移动商务智能 

9.4客户关系管理 

9.4.1营销 

9.4.2销售 

9.4.3客户服务 

9.4.4客户保持 

9.4.5风险评估和欺诈识别 

9.5客户分类 

9.5.1传统的客户分类理论 

9.5.2基于客户行为的客户分类 

9.5.3基于客户生命周期的客户分类 

9.5.4基于客户生命周期价值的客户分类 

小结 

习题 

参考文献 

点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP