数据挖掘实践教程

本书注重数据挖掘理论，将理论与实践相结合、知识理论与具体实现方法相结合，由浅入深地介绍了数据分析与挖掘的相关知识。全书分为3部分。靠前部分介绍了数据挖掘理论(靠前~3章)，第2部分介绍了Excel2010数据分析与挖掘、SQLServer2012数据挖掘、SPSS数据分析与挖掘的实践过程(第4~9章)，第3部分介绍了SQLServer和SPSS数据挖掘的实验内容(靠前0章)。
本书为教师提供了配套的教学资源，可以作为计算机、智能科学类专业本科生的数据挖掘课程教材，也可以作为专业技术人员的自学参考书及数据挖掘爱好者的自学用书。

第1章绪论
1.1商业智能
1.1.1商业智能概述
1.1.2商业智能的发展
1.2数据挖掘
1.2.1数据挖掘的定义
1.2.2数据挖掘的重要性
1.2.3数据挖掘的功能
1.2.4数据挖掘的方法和经典算法
1.3数据仓库
1.3.1数据仓库的产生与发展
1.3.2数据仓库的定义
1.3.3数据仓库与数据挖掘的关系
第2章数据仓库与联机分析
2.1数据仓库
2.1.1数据仓库的基本概念
2.1.2数据仓库的体系结构
2.1.3数据仓库的数据模型
2.2数据仓库的设计步骤
2.2.1概念模型设计
2.2.2逻辑模型设计
2.2.3物理模型设计
2.2.4数据仓库的生成
2.2.5数据仓库的运行与维护
2.3联机分析技术
2.3.1OLAP概述
2.3.2OLAP多维分析
2.3.3MOLAP与ROLAP
第3章数据挖掘运用的理论和技术
3.1回归分析
3.1.1简单线性回归分析
3.1.2多元回归分析
3.1.3岭回归分析
3.1.4logistic回归分析
3.2关联规则
3.2.1关联规则概述
3.2.2Apriori算法
3.2.3FP—Growth算法
3.3聚类分析
3.3.1聚类概述
3.3.2聚类中的相异度计算
3.3.3基于划分的聚类
3.3.4基于层次的聚类
3.4决策树分析
3.4.1信息论的基本原理
3.4.2ID3算法
3.4.3C4.5算法
3.5其他分析方法
第4章用Excel2010进行数据分析
4.1安装前的准备
4.1.1下载表分析工具
4.1.2系统要求
4.2安装表分析工具
4.3配置表分析工具
4.4使用表分析工具的要求
4.5分析关键影响因素
4.5.1影响因素主报表
4.5.2影响因素对比报表
4.6检测类别
4.7从示例填充
4.8预测
4.9突出显示异常值
4.1应用场景分析
4.10.1目标查找
4.10.2假设
4.11预测计算器及可打印计算器
4.11.1预测报表
4.11.2预测计算器
4.11.3可打印计算器
4.12购物篮分析
4.12.1购物篮捆绑销售商品
4.12.2购物篮推荐
4.12.3高级参数设置
第5章用Excel2010进行数据分析
5.1数据挖掘简介
5.1.1业务理解
5.1.2数据理解
5.1.3数据准备
5.1.4建立模型
5.1.5评价
5.1.6实施
5.1.7Excel的数据挖掘过程
5.2获取外部数据
5.3数据准备
5.3.1浏览数据
5.3.2清除数据
5.3.3示例数据
5.4数据建模
5.4.1分类
5.4.2估计
5.4.3聚类分析
5.4.4关联
5.4.5预测
5.4.6高级
5.5准确性和验证
5.5.1准确性图表
5.5.2分类矩阵
5.5.3利润图
5.5.4交叉验证
5.6模型用法
5.6.1浏览
5.6.2文档模型
5.6.3查询
5.7管理和连接
5.7.1管理模型
5.7.2连接与跟踪
第6章SQLServer
6.1SSDT（SQLServer）
6.1.1下载SSDT
6.1.2系统要求
6.2安装SSDT—BI
6.3安装示例数据库
6.4SSDT—BI用户界面
6.5创建挖掘项目
6.6设置数据源
6.7设置数据源视图
6.7.1新建数据源视图
6.7.2使用数据源视图
6.8设置挖掘结构
6.9处理挖掘模型
6.1查看挖掘模型
6.11挖掘准确性图表
6.11.1输入选择
6.11.2提升图
6.11.3利润图
6.11.4分类矩阵
6.11.5交叉验证
6.12挖掘模型预测
第7章Microsoft数据挖掘算法
7.1背景知识
7.1.1功能选择
7.1.2功能选择的方法
7.1.3兴趣性分数
7.1.4Shannon平均信息量
7.1.5贝叶斯K2算法
7.1.6贝叶斯BDE算法
7.2Microsoft决策树算法
7.2.1使用决策树算法
7.2.2决策树算法的原理
7.2.3决策树算法参数
7.3Microsoft聚类算法
7.3.1使用聚类算法
7.3.2聚类算法的原理
7.3.3聚类算法参数
7.4Microsoft关联规则算法
7.4.1使用关联规则算法
7.4.2关联规则算法的原理
7.4.3关联规则算法参数
7.5Microsoft时序算法
7.5.1使用时序算法
7.5.2时序算法的原理
7.5.3时序算法参数
7.6Microsoft朴素贝叶斯算法
7.6.1使用朴素贝叶斯算法
7.6.2贝叶斯算法的原理
7.6.3贝叶斯算法参数
7.7Microsoft神经网络算法
7.7.1使用神经网络算法
7.7.2神经网络算法的原理
7.7.3神经网络算法参数
第8章SPSS数据挖掘基础
8.1SPSS发展简史
8.2SPSS操作入门
8.2.1SPSS的启动
8.2.2SPSS的退出
8.3SPSS的界面
8.3.1SPSS的窗口
8.3.2SPSS的菜单
8.4建立SPSS文件
8.4.1SPSS文件类型
8.4.2数据录入
8.4.3文件的保存与导出
8.5SPSS数据的变量属性定义
8.5.1变量名称
8.5.2变量类型
8.5.3变量宽度和小数
8.5.4标签和值
8.5.5变量缺失值
8.5.6变量显示列、对齐方式
8.5.7变量测量方式
8.5.8变量角色
8.6SPSS数据管理
8.6.1插入或删除个案
8.6.2插入或删除变量
8.6.3数据排序
8.6.4数据的行列转置
8.6.5选取个案
8.6.6数据合并
8.6.7拆分数据文件
8.7SPSS数据转换
8.7.1计算产生变量
8.7.2对个案内的值计数
8.7.3重新编码
第9章SPSS数据挖掘常用的统计分析方法
9.1基本描述统计
9.1.1频数分析
9.1.2描述分析
9.1.3探索分析
9.1.4交叉表分析
9.2T检验
9.2.1单样本T检验
9.2.2独立样本T检验
9.2.3配对样本T检验
9.3方差分析
9.3.1单因素方差分析
9.3.2多因素方差分析
9.3.3重复测量方差分析
9.4多元回归分析
9.4.1多元线性回归
9.4.2Logistic回归
9.5聚类分析
9.5.1两步聚类分析
9.5.2K—平均值聚类分析
9.5.3系统聚类分析
9.6相关分析
9.6.1线性相关分析
9.6.2偏相关分析
9.7因子分析
第10章数据挖掘实验
10.1SQLServer
10.1.1实践关联规则挖掘方法
10.1.2实践聚类挖掘方法
10.1.3实践贝叶斯分类方法
10.2SPSS数据挖掘实验
10.2.1SPSS基本数据管理与数据转换操作
10.2.2SPSS均值比较与回归分析操作
10.2.3SPSS聚类、相关、因子分析操作
参考文献