SQL Server数据挖掘与商业智能基础及案例实战

本书全面介绍了数据挖掘与商业智能的基本概念与原理，包括经典理论与趋势发展，并深入叙述了各种数据挖掘的技术与典型应用。通过本书的学习，读者可以对数据挖掘与商业智能的整体结构、概念、原理、技术和发展有深入的了解和认识。本书以Microsoft SQL Server 2014（适用于2012）的数据挖掘模块进行介绍，让读者可以很快地通过书中的说明与范例，在最短的时间内就能上手。本书分为四个部分：部分介绍数据仓库、数据挖掘与商业智能之间的关系。第二部分对Microsoft SQL Server的整体架构进行了介绍，并详细阐述了直接与数据挖掘相关的两个服务：分析服务和报表服务。第三部分逐一阐述了Microsoft SQL Server中包含的九种数据挖掘模型。第四部分提供了四个数据挖掘的案例以及数据挖掘模型的评估，通过模仿练习，读者可获得实际的数据挖掘经验，稍加修改就能在自己所处的领域中加以应用。

谢邦昌
首都经贸大学统计学院客座教授兼博士生导师
中央财经大学统计学院客座教授兼博士生导师
中国人民大学统计学院客座教授
厦门大学统计学系客座教授、数据挖掘中心常务副主任兼博士师导师
上海财经大学统计学系客座教授
西南财经大学统计学院客座教授
西安财经大学统计学院客座教授
天津财经大学统计学院客座教授
山东财经大学统计学院客座教授
广西财经学院客座教授
新疆财经学院客座教授
中国统计学会理事
中国数据挖掘协会荣誉理事长
中国市场研究协会理事长
东森集团大数据首席顾问
中国国家统计局教材编审委员
中国统计教育学会理事兼高级顾问

PARTI数据仓库、数据挖掘与商业智能
Chapter1绪论
1-1商业智能
1-2数据挖掘
Chapter2数据仓库
2-1数据仓库定义
2-2数据仓库特性
2-3数据仓库架构
2-4创建数据仓库的目的
2-5数据仓库的运用
2-6数据仓库的管理
Chapter3数据挖掘简介
3-1数据挖掘的定义
3-2数据挖掘的重要性
3-3数据挖掘的功能
3-4数据挖掘的步骤
3-5数据挖掘建模的标准CRISP-DM
3-6数据挖掘的应用
3-7数据挖掘软件介绍
Chapter4数据挖掘的主要方法
4-1回归分析
4-2关联规则
4-3聚类分析
4-4判别分析
4-5神经网络
4-6决策树
4-7其他分析方法
Chapter5数据挖掘与相关领域的关系
5-1数据挖掘与统计分析
5-2数据挖掘与数据仓库
5-3数据挖掘与KDD
5-4数据挖掘与OLAP
5-5数据挖掘与机器学习
5-6数据挖掘与Web数据挖掘8
PARTIIMicrosoftSQLServer概述
Chapter6MicrosoftSQLServer中的商业智能
6-1MicrosoftSQLServer入门
6-2关系数据仓库
6-3SQLServer2008R2概述
6-4SQLServer2008R2技术
6-5SQLServer2008R2新增功能
Chapter7MicrosoftSQLServer中的数据挖掘功能
7-1创建商业智能应用程序
7-2MicrosoftSQLServer数据挖掘功能的优势
7-3MicrosoftSQLServer数据挖掘算法
7-4MicrosoftSQLServer可扩展性
7-5MicrosoftSQLServer是数据挖掘与商业智能的结合
7-6使用数据挖掘可以解决的问题
Chapter8MicrosoftSQLServer的分析服务（AnalysisServices）
8-1创建多维数据集的结构
8-2建立和部署多维数据集
8-3从模板创建自定义的数据库
8-4统一维度模型
8-5基于属性的维度
8-6维度类型
8-7量度组和数据视图
8-8计算效率
8-9MDX脚本
8-10存储过程
8-11关键绩效指标（KPI）
8-12实时商业智能
Chapter9MicrosoftSQLServer的报表服务（ReportingServices）
9-1为何使用报表服务
9-2报表服务的功能
Chapter10MicrosoftSQLServer的整合服务
10-1SSIS介绍
10-2操作示例
Chapter11MicrosoftSQLServer的DMX语言
11-1DMX语言介绍
11-2DMX函数
11-3DMX语法
11-4DMX操作实例
PARTIIIMicrosoftSQLServer中的数据挖掘模型
Chapter12决策树模型
12-1基本概念
12-2决策树与判别函数
12-3计算方法
12-4操作范例
Chapter13贝叶斯分类器
13-1基本概念
13-2操作范例
Chapter14关联规则
14-1基本概念
14-2关联规则的种类
14-3关联规则的算法：Apriori算法
14-4操作范例
Chapter15聚类分析
15-1基本概念
15-2层级聚类法与动态聚类法
15-3操作范例
Chapter16时序聚类
16-1基本概念
16-2主要算法
16-3操作示例
Chapter17线性回归模型
17-1基本概念
17-2一元回归模型
17-3多元回归模型
17-4操作范例
Chapter18逻辑回归模型
18-1基本概念
18-2logit变换与logistic分布
18-3逻辑回归模型
18-4操作范例
Chapter19人工神经网络模型
19-1基本概念
19-2神经网络模型的特点
19-3神经网络模型的优劣比较
19-4操作范例
Chapter20时序模型
20-1基本概念
20-2时序的构成
20-3简单时序的预测
20-4包含趋势与季节成份的时序预测
20-5参数化的时序预测模型
20-6操作范例
PARTIVMicrosoftSQLServer数据挖掘应用实例
Chapter21决策树模型实例
Chapter22逻辑回归模型实例
22-1回归模型实例一
22-2回归模型实例二
22-3回归模型实例三
Chapter23神经网络模型实例
23-1神经网络模型实例一
23-2神经网络模型实例二
Chapter24时序模型实例
24-1时序模型实例一
24-2时序模型实例二
Chapter25如何评估数据挖掘模型
25-1评估图节点介绍EvaluationChartNode
25-2在SQLServer中如何评估模型
25-3规则度量：支持度与可信度
25-4绪论