SQL Server數(shù)據(jù)挖掘與商業(yè)智能基礎(chǔ)及案例實(shí)戰(zhàn)

定　價(jià)：￥58.00

作　者：	謝邦昌著
出版社：	中國(guó)水利水電出版社
叢編項(xiàng)：
標(biāo)　簽：	SQL 計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)庫(kù)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787517035411	出版時(shí)間：	2015-08-01	包裝：
開(kāi)本：		頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)全面介紹了數(shù)據(jù)挖掘與商業(yè)智能的基本概念與原理，包括經(jīng)典理論與趨勢(shì)發(fā)展，并深入敘述了各種數(shù)據(jù)挖掘的技術(shù)與典型應(yīng)用。通過(guò)本書(shū)的學(xué)習(xí)，讀者可以對(duì)數(shù)據(jù)挖掘與商業(yè)智能的整體結(jié)構(gòu)、概念、原理、技術(shù)和發(fā)展有深入的了解和認(rèn)識(shí)。本書(shū)共四部分：第一部分介紹數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘與商業(yè)智能之間的關(guān)系；第二部分對(duì)Microsoft SQL Sen，er的整體架構(gòu)進(jìn)行介紹，并詳細(xì)闡述直接與數(shù)據(jù)挖掘相關(guān)的兩個(gè)服務(wù)：分析服務(wù)和報(bào)表服務(wù)；第三部分逐一闡述Microsoft SQL Server中包含的九種數(shù)據(jù)挖掘模型；第四部分提供四個(gè)數(shù)據(jù)挖掘的案例以及數(shù)據(jù)挖掘模型的評(píng)估，通過(guò)模仿練習(xí)，讀者可獲得實(shí)際的數(shù)據(jù)挖掘經(jīng)驗(yàn)，稍加修改就能在自己所處的領(lǐng)域中加以應(yīng)用。

作者簡(jiǎn)介

暫缺《SQL Server數(shù)據(jù)挖掘與商業(yè)智能基礎(chǔ)及案例實(shí)戰(zhàn)》作者簡(jiǎn)介

圖書(shū)目錄

Chapter l緒論
　1-1商業(yè)智能
　　1．1．1什么是商業(yè)智能
　　1—1-2商業(yè)智能作用及意義
　　1-1—3商業(yè)智能架構(gòu)
　　1．1—4商業(yè)智能中的挑戰(zhàn)
　1．2數(shù)據(jù)挖掘
　1．3大數(shù)據(jù)
　　1-3．1何謂大數(shù)據(jù)
　　1—3—2大數(shù)據(jù)的應(yīng)用
　1-4云計(jì)算
Chapter 2數(shù)據(jù)倉(cāng)庫(kù)
　2-1數(shù)據(jù)倉(cāng)庫(kù)定義
　2．2數(shù)據(jù)倉(cāng)庫(kù)特性
　2．3數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)
　2．4創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的目的
　2-5數(shù)據(jù)倉(cāng)庫(kù)的運(yùn)用
　2-6數(shù)據(jù)倉(cāng)庫(kù)的管理
　2—7 No SQL數(shù)據(jù)庫(kù)
　　2—7—1 Key—Value型數(shù)據(jù)庫(kù)
　　2．7．2內(nèi)存數(shù)據(jù)庫(kù)（ha．memory Database）
　　2—7—3文件數(shù)據(jù)庫(kù)（Document Database）
　　2—7—4圖形數(shù)據(jù)庫(kù)（Graph Database）
　2-8 Hadoop
Chapter 3數(shù)據(jù)挖掘簡(jiǎn)介
　3-1數(shù)據(jù)挖掘的定義
　3—2數(shù)據(jù)挖掘的重要性
　3．3數(shù)據(jù)挖掘的功能
　3—4數(shù)據(jù)挖掘的步驟
　3-5數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP—DM
　3-6數(shù)據(jù)挖掘的應(yīng)用
　3—7數(shù)據(jù)挖掘軟件介紹
　3-8數(shù)據(jù)挖掘與Excel
Chapter4數(shù)據(jù)挖掘的主要方法
　4-1回歸分析（RegressionAnalysis）
　　4-1—1簡(jiǎn)單線性回歸分析（Simple Linear RegressionAnalysis
　　4-1—2多元回歸分析（Multiple Regressi Analysis）
　　4-1—3脊回歸分析（Ridge Regression Analysis
　　4-1—4邏輯回歸分析（Logistic Regressior
　……