商業(yè)智能原理與應用（第二版）

第一章 數(shù)據(jù)挖掘和商業(yè)智能
第一節(jié) 數(shù)據(jù)挖掘的興起
第二節(jié) 什么是商業(yè)智能
第三節(jié) 數(shù)據(jù)挖掘和商業(yè)智能工具
第四節(jié) 數(shù)據(jù)挖掘應用案例
小結
思考與練習
第二章 數(shù)據(jù)倉庫
第一節(jié) 數(shù)據(jù)倉庫的概念
第二節(jié) 數(shù)據(jù)倉庫的體系結構
第三節(jié) 元數(shù)據(jù)
第四節(jié) 數(shù)據(jù)集市
第五節(jié) 數(shù)據(jù)倉庫設計與實施
第六節(jié) Microsoft數(shù)據(jù)倉庫和商業(yè)智能工具
第七節(jié) 數(shù)據(jù)倉庫設計案例
小結
思考與練習
實驗
第三章 數(shù)據(jù)預處理
第一節(jié) 數(shù)據(jù)預處理的重要性
第二節(jié) 數(shù)據(jù)清洗
第三節(jié) 數(shù)據(jù)集成與轉(zhuǎn)換
第四節(jié) 數(shù)據(jù)消減
第五節(jié) 離散化和概念層次樹生成
第六節(jié) 使用SSIS對數(shù)據(jù)進行ETL操作
小結
思考與練習
實驗
第四章 多維數(shù)據(jù)分析
第一節(jié) 多維數(shù)據(jù)分析基礎
第二節(jié) 多維數(shù)據(jù)分析方法
第三節(jié) 多維數(shù)據(jù)的存儲方式
第四節(jié) 多維表達式
第五節(jié) 使用SQL Server Analysis Server構建維度和多維數(shù)據(jù)集
第六節(jié) 使用Excel數(shù)據(jù)透視圖瀏覽多維數(shù)據(jù)集
小結
思考與練習
實驗
第五章 用Microsoft SSRS處理智能報表
第一節(jié) SSRS商業(yè)智能報表
第二節(jié) 使用SSRS創(chuàng)建報表
小結
實驗
第六章 數(shù)據(jù)挖掘技術
第一節(jié) 數(shù)據(jù)挖掘的任務
第二節(jié) 數(shù)據(jù)挖掘的對象
第三節(jié) 數(shù)據(jù)挖掘系統(tǒng)的分類
第四節(jié) 數(shù)據(jù)挖掘項目的生命周期
第五節(jié) 數(shù)據(jù)挖掘面臨的挑戰(zhàn)及發(fā)展
小結
思考與練習
第七章 關聯(lián)挖掘
第一節(jié) 關聯(lián)規(guī)則挖掘
第二節(jié) 單維布爾關聯(lián)規(guī)則挖掘
第三節(jié) 挖掘多層次關聯(lián)規(guī)則
第四節(jié) 多維關聯(lián)規(guī)則的挖掘
第五節(jié) 關聯(lián)挖掘中的相關分析
第六節(jié) 利用Microsoft SSAS進行關聯(lián)挖掘
小結
思考與練習
實驗
第八章 分類與預測
第一節(jié) 分類與預測基本知識
第二節(jié) 有關分類和預測的幾個問題
第三節(jié) 基于決策樹的分類
第四節(jié) 貝葉斯分類方法
第五節(jié) 神經(jīng)網(wǎng)絡分類方法
第六節(jié) 分類器準確性
第七節(jié) 預測方法
第八節(jié) Microsoft貝葉斯算法
第九節(jié) Microsoft決策樹算法
第十節(jié) Microsoft神經(jīng)網(wǎng)絡算法
小結
思考與練習
實驗
第九章 聚類分析
第一節(jié) 聚類分析概念
第二節(jié) 聚類分析中的數(shù)據(jù)類型
第三節(jié) 主要聚類方法
第四節(jié) 劃分方法
第五節(jié) 層次方法
第六節(jié) 基于密度方法
第七節(jié) 異常數(shù)據(jù)分析
第八節(jié) Microsoft聚類算法
小結
思考與練習
實驗
第十章 時序數(shù)據(jù)和序列數(shù)據(jù)挖掘
第一節(jié) 時間序列模型
第二節(jié) Microsoft的時序算法
第三節(jié) Microsoft時序算法示例
第四節(jié) Microsoft的序列模式挖掘
小結
思考與練習
實驗
第十一章 基于多維數(shù)據(jù)集的數(shù)據(jù)挖掘
第一節(jié) OLAP和數(shù)據(jù)挖掘之間的關系
第二節(jié) 構建OLAP挖掘模型
小結
參考文獻