數(shù)據(jù)挖掘：實(shí)用案例分析

目    錄
前  言
第一部分  基  礎(chǔ)  篇
第1章  初識(shí)數(shù)據(jù)挖掘 2
   1.1  什么是數(shù)據(jù)挖掘 2
   1.2  數(shù)據(jù)挖掘在企業(yè)商務(wù)智能應(yīng)用中的定位 2
       1.2.1  數(shù)據(jù)挖掘給企業(yè)帶來(lái)最大的投資收益 3
       1.2.2  數(shù)據(jù)挖掘從本質(zhì)上提升商務(wù)智能平臺(tái)的價(jià)值 3
       1.2.3  數(shù)據(jù)挖掘讓商務(wù)智能流程真正形成閉環(huán) 4
   1.3  信息類BI應(yīng)用與知識(shí)類BI應(yīng)用 5
   1.4  數(shù)據(jù)挖掘現(xiàn)狀及應(yīng)用前景 5
   1.5  本章小結(jié) 7
第2章  數(shù)據(jù)挖掘的應(yīng)用分類 8
   2.1  分類與回歸 8
       2.1.1  分類與回歸建模原理 9
       2.1.2  分類與回歸算法 10
   2.2  聚類 11
       2.2.1  聚類分析建模原理 11
       2.2.2  聚類算法 12
   2.3  關(guān)聯(lián)規(guī)則 13
       2.3.1  什么是關(guān)聯(lián)規(guī)則 13
       2.3.2  關(guān)聯(lián)規(guī)則算法 14
   2.4  時(shí)序模式 14
       2.4.1  什么是時(shí)序模式 14
       2.4.2  時(shí)間序列的組合成分 15
       2.4.3  時(shí)間序列的組合模型 15
       2.4.4  時(shí)序算法 16
   2.5  偏差檢測(cè) 16
   2.6  本章小結(jié) 17
第3章  數(shù)據(jù)挖掘建模 18
   3.1  數(shù)據(jù)挖掘的過(guò)程 18
   3.2  數(shù)據(jù)挖掘建模過(guò)程 18
       3.2.1  定義挖掘目標(biāo) 18
       3.2.2  數(shù)據(jù)取樣 19
       3.2.3  數(shù)據(jù)探索 20
       3.2.4  預(yù)處理 21
       3.2.5  模式發(fā)現(xiàn) 23
       3.2.6  模型構(gòu)建 23
       3.2.7  模型評(píng)價(jià) 24
   3.3  常用的建模工具 27
   3.4  本章小結(jié) 29
第4章  頂尖數(shù)據(jù)挖掘平臺(tái)TipDM 31
   4.1  TipDM產(chǎn)品功能 31
       4.1.1  TipDM平臺(tái)提供的數(shù)據(jù)探索及預(yù)處理算法 31
       4.1.2  TipDM平臺(tái)提供的分類與回歸算法 32
       4.1.3  TipDM平臺(tái)提供的時(shí)序模式算法 34
       4.1.4  TipDM平臺(tái)提供的聚類分析算法 35
       4.1.5  TipDM平臺(tái)提供的關(guān)聯(lián)規(guī)則算法 35
   4.2  TipDM使用說(shuō)明 37
   4.3  TipDM產(chǎn)品特點(diǎn) 39
       4.3.1  支持CRISP-DM數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程 39
       4.3.2  提供豐富的數(shù)據(jù)挖掘模型和靈活算法 40
       4.3.3  具有多模型的整合能力 40
       4.3.4  提供靈活多樣的應(yīng)用開(kāi)發(fā)接口 40
       4.3.5  海量數(shù)據(jù)的處理能力 40
       4.3.6  適應(yīng)不同類型層次人員需求 41
   4.4  本章小結(jié) 42
第二部分  實(shí)  戰(zhàn)  篇
第5章  數(shù)據(jù)挖掘在金融電信行業(yè)的應(yīng)用 44
   5.1  案例一：基于公司價(jià)值評(píng)價(jià)的證券策略投資 44
       5.1.1  挖掘目標(biāo)的提出 44
       5.1.2  分析方法與過(guò)程 44
       5.1.3  建模仿真 51
       5.1.4  核心知識(shí)點(diǎn) 52
       5.1.5  拓展思考 53
   5.2  案例二：電信3G客戶識(shí)別系統(tǒng) 54
       5.2.1  挖掘目標(biāo)的提出 54
       5.2.2  分析方法與過(guò)程 54
       5.2.3  建模仿真 58
       5.2.4  核心知識(shí)點(diǎn) 61
       5.2.5  拓展思考 63
   5.3  案例三：基于客戶分群的精準(zhǔn)智能營(yíng)銷 64
       5.3.1  挖掘目標(biāo)的提出 64
       5.3.2  分析方法與過(guò)程 65
       5.3.3  建模仿真 75
       5.3.4  核心知識(shí)點(diǎn) 81
       5.3.5  拓展思考 82
   5.4  本章小結(jié) 83
第6章  數(shù)據(jù)挖掘在電力行業(yè)的應(yīng)用 84
   6.1  案例一：電力負(fù)荷預(yù)測(cè) 84
       6.1.1  挖掘目標(biāo)的提出 84
       6.1.2  分析方法與過(guò)程 85
       6.1.3  建模仿真 90
       6.1.4  核心知識(shí)點(diǎn) 94
       6.1.5  拓展思考 95
   6.2  案例二：自適應(yīng)防竊漏電實(shí)時(shí)診斷 96
       6.2.1  挖掘目標(biāo)的提出 96
       6.2.2  分析方法與過(guò)程 96
       6.2.3  建模仿真 107
       6.2.4  核心知識(shí)點(diǎn) 110
       6.2.5  擴(kuò)展思考 111
   6.3  本章小結(jié) 112
第7章  數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)的應(yīng)用 113
   7.1  案例一：商業(yè)零售行業(yè)中的購(gòu)物籃分析 113
       7.1.1  挖掘目標(biāo)的提出 113
       7.1.2  分析方法與過(guò)程 113
       7.1.3  建模仿真 118
       7.1.4  核心知識(shí)點(diǎn) 120
       7.1.5  拓展思考 121
   7.2  案例二：電子商務(wù)網(wǎng)站用戶行為分析 124
       7.2.1  挖掘目標(biāo)的提出 124
       7.2.2  分析方法與過(guò)程 124
       7.2.3  建模仿真 129
       7.2.4  核心知識(shí)點(diǎn) 132
       7.2.5  拓展思考 132
   7.3  案例三：網(wǎng)絡(luò)入侵智能檢測(cè) 134
       7.3.1  挖掘目標(biāo)的提出 134
       7.3.2  分析方法與過(guò)程 136
       7.3.3  建模仿真 137
       7.3.4  核心知識(shí)點(diǎn) 141
       7.3.5  拓展思考 141
   7.4  案例四：基于用戶行為分析的定向網(wǎng)絡(luò)廣告投放 142
       7.4.1  挖掘目標(biāo)的提出 142
       7.4.2  分析方法與過(guò)程 143
       7.4.3  建模仿真 146
       7.4.4  結(jié)果及分析 158
       7.4.5  核心知識(shí)點(diǎn) 159
       7.4.6  拓展思考 160
   7.5  案例五：企業(yè)信息系統(tǒng)用戶服務(wù)感知評(píng)價(jià) 161
       7.5.1  挖掘目標(biāo)的提出 161
       7.5.2  分析方法與過(guò)程 161
       7.5.3  建模仿真 186
       7.5.4  核心知識(shí)點(diǎn) 192
       7.5.5  拓展思考 193
   7.6  本章小結(jié) 194
第8章  數(shù)據(jù)挖掘在生產(chǎn)制造行業(yè)中的應(yīng)用 195
   8.1  案例一：基于小波變換的樁基完整性檢測(cè) 195
       8.1.1  挖掘目標(biāo)的提出 195
       8.1.2  分析方法與過(guò)程 196
       8.1.3  仿真過(guò)程 202
       8.1.4  核心知識(shí)點(diǎn) 204
       8.1.5  拓展思考 204
   8.2  案例二：基于水色圖像的水質(zhì)評(píng)價(jià) 205
       8.2.1  挖掘目標(biāo)的提出 205
       8.2.2  分析方法與過(guò)程 206
       8.2.3  建模仿真 210
       8.2.4  核心知識(shí)點(diǎn) 213
       8.2.5  拓展思考 214
   8.3  案例三：生物質(zhì)廢物混合厭氧消化優(yōu)勢(shì)組分互補(bǔ)機(jī)制 216
       8.3.1  挖掘目標(biāo)的提出 216
       8.3.2  分析方法與過(guò)程 217
       8.3.3  建模仿真 221
       8.3.4  核心知識(shí)點(diǎn) 223
       8.3.5  拓展思考 224
   8.4  案例四：基于RFM的企業(yè)客戶關(guān)系分析 224
       8.4.1  挖掘目標(biāo)的提出 224
       8.4.2  分析過(guò)程與方法 226
       8.4.3  建模仿真 229
       8.4.4  核心知識(shí)點(diǎn) 236
       8.4.5  拓展思考 236
   8.5  案例五：水產(chǎn)養(yǎng)殖投入產(chǎn)出多目標(biāo)優(yōu)化仿真 239
       8.5.1  挖掘目標(biāo)的提出 239
       8.5.2  分析方法與過(guò)程 240
       8.5.3  建模仿真 244
       8.5.4  核心知識(shí)點(diǎn) 249
       8.5.5  拓展思考 250
   8.6  本章小結(jié) 252
第9章  數(shù)據(jù)挖掘在公共服務(wù)行業(yè)的應(yīng)用 253
   9.1  案例一：乳腺癌證素變化規(guī)律及截?cái)喁煼?253
       9.1.1  挖掘目標(biāo)的提出 253
       9.1.2  分析方法與過(guò)程 255
       9.1.3  建模仿真 265
       9.1.4  核心知識(shí)點(diǎn) 274
       9.1.5  拓展思考 274
   9.2  案例二：卷煙消費(fèi)者購(gòu)買行為分析 277
       9.2.1  挖掘目標(biāo)的提出 277
       9.2.2  分析過(guò)程與方法 278
       9.2.3  挖掘建模 281
       9.2.4  核心知識(shí)點(diǎn) 287
       9.2.5  拓展思考 288
   9.3  案例三：納稅人偷漏稅評(píng)估 288
       9.3.1  挖掘目標(biāo)的提出 288
       9.3.2  分析方法與過(guò)程 290
       9.3.3  建模仿真 294
       9.3.4  核心知識(shí)點(diǎn) 300
       9.3.5  拓展思考 301
   9.4  案例四：道路缺陷自動(dòng)識(shí)別 302
       9.4.1  挖掘目標(biāo)的提出 302
       9.4.2  分析方法與過(guò)程 304
       9.4.3  建模仿真 319
       9.4.4  核心知識(shí)點(diǎn) 322
       9.4.5  拓展思考 322
   9.5  案例五：航空公司客運(yùn)信息挖掘 322
       9.5.1  挖掘目標(biāo)的提出 322
       9.5.2  分析方法與過(guò)程 323
       9.5.3  建模仿真 327
       9.5.4  核心知識(shí)點(diǎn) 348
       9.5.5  拓展思考 352
   9.6  本章小結(jié) 353
第10章  動(dòng)手實(shí)踐 354
   10.1  實(shí)驗(yàn)一：數(shù)據(jù)探索及數(shù)據(jù)預(yù)處理 354
   10.2  實(shí)驗(yàn)二：神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與使用 356
   10.3  實(shí)驗(yàn)三：決策樹(shù)模型的構(gòu)建與使用 358
   10.4  實(shí)驗(yàn)四：聚類算法的構(gòu)建與使用 360
   10.5  實(shí)驗(yàn)五：關(guān)聯(lián)規(guī)則模型的構(gòu)建與使用 361
   10.6  實(shí)驗(yàn)六：時(shí)間序列模型的構(gòu)建與使用 363
   10.7  本章小結(jié) 364
第三部分  高  級(jí)  篇
第11章  基于第三方接口的數(shù)據(jù)挖掘二次開(kāi)發(fā) 366
   11.1  WEKA數(shù)據(jù)挖掘接口 366
       11.1.1  WEKA功能及其算法 366
       11.1.2  WEKA包結(jié)構(gòu) 367
       11.1.3  WEKA算法入口 370
       11.1.4  二次開(kāi)發(fā)相關(guān)輸出 370
   11.2  MATLAB數(shù)據(jù)挖掘接口 370
   11.3  案例：基于MATLAB接口的數(shù)據(jù)挖掘二次開(kāi)發(fā) 372
       11.3.1  接口算法編程 372
       11.3.2  用Java Builder創(chuàng)建Java組件 385
       11.3.3  安裝MATLAB運(yùn)行時(shí)環(huán)境 386
       11.3.4  JDK環(huán)境及設(shè)置 386
   11.4  本章小結(jié) 389
第12章  基于Hadoop框架的海量數(shù)據(jù)挖掘開(kāi)發(fā) 390
   12.1  基于云計(jì)算的海量數(shù)據(jù)挖掘技術(shù)特點(diǎn) 390
   12.2  基于Hadoop的并行數(shù)據(jù)挖掘算法工具箱TipCDM 392
   12.3  案例：基于海量計(jì)量數(shù)據(jù)的電力客戶在線分群方法 392
       12.3.1  挖掘目標(biāo)的提出 392
       12.3.2  分析方法與過(guò)程 393
       12.3.3  建模仿真 399
       12.3.4  核心知識(shí)點(diǎn) 400
   12.4  本章小結(jié) 401
參考文獻(xiàn) 402