图书介绍
商务智能与数据挖掘Microsoft SQL Server应用PDF|Epub|txt|kindle电子书版本网盘下载
- 谢邦昌主编（中华资料采矿协会） 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111232414
- 出版时间：2008
- 标注页数：342页
- 文件大小：125MB
- 文件页数：351页
- 主题词：关系数据库－数据库管理系统，SQL Server
PDF下载
下载说明
商务智能与数据挖掘Microsoft SQL Server应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 商业智能1
1.2 数据挖掘5
第2章 数据仓库7
2.1 数据仓库定义7
2.2 数据仓库特点7
2.3 数据仓库架构8
2.4 建立数据仓库的原因和目的10
2.5 数据仓库的应用10
2.6 数据仓库的管理11
第3章 数据挖掘简介13
3.1 数据挖掘的定义13
3.2 数据挖掘的重要性13
3.3 数据挖掘的功能13
3.4 数据挖掘的步骤14
3.5 数据挖掘建模的标准CRISP-DM15
3.6 数据挖掘软件分类17
3.7 各数据挖掘软件的分析方法简介18
第4章 数据挖掘中的主要方法23
4.1 回归分析23
4.2 关联规则25
4.3 聚类分析25
4.4 判别分析27
4.5 神经网络分析28
4.6 决策树分析29
4.7 其他分析方法30
第5章 数据挖掘与相关领域的关系32
5.1 数据挖掘与统计分析的不同32
5.2 数据挖掘与数据仓库的关系32
5.3 KDD与数据挖掘的关系33
5.4 OLAP与数据挖掘的关系34
5.5 数据挖掘与机器学习的关系34
5.6 Web数据挖掘和数据挖掘有什么不同35
第6章 SQL Server 2005中的商业智能36
6.1 SQL Server 2005入门36
6.2 关联型数据库37
6.3 Analysis Services39
第7章 SQL Server 2005中的数据挖掘功能43
7.1 创建商业智能应用程序43
7.2 SQL Server 2005数据挖掘功能的优势45
7.3 SQL Server 2005数据挖掘算法47
7.4 可扩展性47
7.5 SQL Server 2005数据挖掘功能与商业智能集成47
7.6 使用数据挖掘可以解决的问题48
第8章 SQL Server 2005的分析服务52
8.1 建立数据源与数据源视图52
8.2 创建维度和多维数据集52
8.3 构建和部署53
8.4 从模板创建可自定义的数据库53
8.5 统一维度模型54
8.6 基于属性的维度54
8.7 维度类型55
8.8 量度组和透视56
8.9 计算和分析56
8.10 MDX脚本57
8.11 存储过程58
8.12 关键绩效指标58
8.13 实时商业智能59
第9章 SQL Server 2005的报表服务61
9.1 Reporting Services介绍61
9.2 为什么使用Reporting Services61
9.3 使用Reporting Services的方式62
9.4 Reporting Services的功能62
第10章 决策树模型66
10.1 基本概念66
10.2 决策树模型的建立66
10.3 决策树与判别函数的比较66
10.4 计算方法67
10.5 SQL Server 2005操作步骤69
10.6 范例分析79
第11章 贝叶斯分类84
11.1 基本概念84
11.2 SQL Server 2005操作步骤86
第12章 关联规则97
12.1 基本概念97
12.2 关联规则的种类98
12.3 关联规则的算法：Apriori98
12.4 SQL Server 2005操作步骤99
第13章 聚类分析111
13.1 基本概念111
13.2 层次聚类分析111
13.3 聚类分析原理112
13.4 SQL Server 2005操作步骤116
第14章 时序聚类分析126
14.1 基本概念126
14.2 相关研究126
14.3 SQL Server 2005操作步骤127
第15章 线性回归模型138
15.1 基本概念138
15.2 多元回归分析142
15.3 SQL Server 2005操作步骤145
15.4 范例分析一154
15.5 范例分析二158
第16章 Logistic回归模型163
16.1 基本概念163
16.2 logit变换163
16.3 Logistic分布164
16.4 列联表中的Logistic回归模型165
16.5 SQL Server 2005操作步骤166
16.6 范例分析一175
16.7 范例分析二180
第17章 神经网络模型186
17.1 基本概念186
17.2 神经网络的特性187
17.3 神经网络的架构与训练算法188
17.4 神经网络应用188
17.5 神经网络优缺点189
17.6 SQL Server 2005操作步骤189
17.7 范例分析199
第18章 时间序列模型204
18.1 基本概念204
18.2 时间序列的成分205
18.3 时间序列数据的图形介绍206
18.4 利用平滑法预测210
18.5 用趋势投影预测时间序列213
18.6 预测含有趋势成分与季节成分的时间序列214
18.7 利用回归模型预测时间序列214
18.8 其他预测模型215
18.9 单变量时间序列预测模型215
18.10 时间趋势预测模型218
18.11 SQL Server 2005操作步骤219
18.12 范例分析228
第19章 SQL Server 2005整合服务232
19.1 SQL Server整合服务（SSIS）介绍232
19.2 SSIS实例练习239
第20章 文本挖掘模型259
20.1 文本挖掘技术的发展259
20.2 文本分析技术259
20.3 文本挖掘技术260
20.4 SQL Server 2005文本挖掘261
20.5 范例分析261
第21章 SQL Server 2005的DMX语言302
21.1 DMX介绍302
21.2 DMX函数介绍304
21.3 DMX数据挖掘语法311
21.4 DMX应用范例320
第22章 实际案例：聚类分析模型应用328
22.1 研究背景328
22.2 分析过程328
第23章 实际案例：时间序列模型应用336
23.1 研究背景336
23.2 分析过程336