Excel在大数据挖掘中的应用PDF|Epub|txt|kindle电子书版本网盘下载

Excel在大数据挖掘中的应用PDF格式电子书版下载

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

第一篇 基本知识3

第一章 大数据与数据挖掘3

1.1 大数据的定义3

1.2 大数据的4V特征3

1.3 大数据的预测魅力4

1.4 数据挖掘定义5

1.5 数据挖掘的重要性6

1.6 数据挖掘功能6

1.7 数据挖掘步骤7

1.8 数据挖掘建模的标准CRISP-DM7

1.9 大数据时代数据挖掘面临的挑战9

第二章 数据挖掘运用理论及技术10

2.1 回归分析10

2.1.1 简单线性回归分析10

2.1.2 多元回归分析10

2.1.3 岭回归分析11

2.1.4 Logistic回归分析12

2.2 关联规则12

2.3 聚类分析12

2.4 判别分析14

2.5 神经网络分析15

2.6 决策树分析17

2.7 其他分析方法18

第三章 数据挖掘与其他相关领域的关系20

3.1 数据挖掘与统计分析的不同20

3.2 数据挖掘与数据仓储的关系20

3.3 KDD与数据挖掘的关系22

3.4 OLAP与数据挖掘的关系22

3.5 数据挖掘与机器学习的关系23

3.6 网络信息挖掘和数据挖掘有什么不同？23

第四章 数据挖掘商业软件产品及其应用现状25

4.1 数据挖掘工具分类25

4.2 各工具的简介25

4.3 客户关系管理（CRM）26

4.4 数据挖掘在各行业的应用27

第二篇 Excel 2013数据挖掘模型31

第五章 安装与配置Excel 2013数据挖掘加载项31

5.1 系统需求31

5.2 开始安装31

5.3 完成安装验证35

5.4 配置设定35

5.5 设定完成验证40

第六章 Excel 2013数据挖掘入门42

6.1 Excel 2013数据挖掘工具栏介绍42

6.2 数据挖掘使用说明42

6.2.1 目录43

6.2.2 使用者入门43

6.2.3 视频和教程44

6.3 数据挖掘连接设定44

6.3.1 设定目前的连接44

6.3.2 跟踪46

6.4 数据准备47

6.4.1 浏览数据47

6.4.2 清除数据50

6.4.3 分割数据53

6.5 数据建模57

6.6 准确性和验证58

6.6.1 准确性图表58

6.6.2 分类矩阵59

6.6.3 利润图59

6.7 模型用法60

6.7.1 浏览61

6.7.2 查询63

6.8 模型管理64

6.8.1 重命名挖掘结构64

6.8.2 删除挖掘结构65

6.8.3 清除挖掘结构65

6.8.4 使用原始数据处理挖掘结构65

6.8.5 用新数据处理挖掘结构65

6.8.6 导出挖掘结构67

6.8.7 导入挖掘结构67

第七章 决策树68

7.1 基本概念68

7.2 决策树模块的建立：三种形式68

7.3 决策树与判别函数比较68

7.4 计算方法69

7.4.1 制定预测精确性的标准规范69

7.4.2 选择分裂（分层）技术70

7.4.3 定义停止分裂（分层）的时间点70

7.4.4 选择适当大小的决策树71

7.5 Excel 2013决策树算法操作步骤71

第八章 贝叶斯概率分类82

8.1 基本概念82

8.2 Excel 2013贝叶斯概率分类操作步骤85

第九章 关联规则95

9.1 基本概念95

9.2 关联规则的种类96

9.3 关联规则的算法：Apriori算法97

9.3.1 执行步骤97

9.3.2 优点97

9.3.3 缺点97

9.4 Excel 2013关联规则操作步骤97

第十章 聚类分析103

10.1 基本概念103

10.1.1 搜集数据103

10.1.2 转换成相似矩阵103

10.2 层次聚类分析（hierarchical clustering methods）104

10.2.1 系统聚类法104

10.2.2 逐步聚类法104

10.2.3 逐步分解法104

10.2.4 有序样本的聚类104

10.3 聚类分析原理105

10.4 Excel 2013聚类分析操作步骤109

第十一章 时序聚类126

11.1 基本概念126

11.2 相关研究126

11.3 Excel 2013时序聚类操作步骤128

第十二章 线性回归138

12.1 基本概念138

12.2 简单回归分析139

12.3 多元回归分析142

12.4 回归变量的选择144

12.5 Excel 2013线性回归操作步骤145

第十三章 Logistic回归155

13.1 基本概念155

13.2 logit变换156

13.3 Logistic分布157

13.4 2×2表的Logistic回归模型158

13.5 Excel 2013 Logistic回归操作步骤159

第十四章 神经网络174

14.1 基本概念174

14.2 神经网络的特性176

14.3 神经网络的架构与训练算法176

14.4 神经网络应用177

14.5 神经网络的优缺点178

14.6 神经网络的限制178

14.6 Excel 2013神经网络操作步骤179

第十五章 时间序列分析196

15.1 基本概念196

15.2 时间序列的成分199

15.2.1 趋势成分199

15.2.2 循环成分199

15.2.3 季节成分200

15.2.4 不规则成分200

15.3 利用修匀法预测200

15.3.1 移动平均201

15.3.2 加权移动平均202

15.3.3 指数修匀203

15.4 用趋势投射预测时间序列205

15.5 预测含趋势与季节成分的时间序列206

15.5.1 消除时间序列的季节性206

15.5.2 消除季节性的时间序列，辨识趋势206

15.5.3 循环成分207

15.6 利用回归模型预测时间序列207

15.7 其他预测模型208

15.8 单变量时间序列预测模型209

15.8.1 自回归模型（autoregressive models,AR model）210

15.8.2 移动平均过程模型（moving average process model,MA model）210

15.8.3 AR-MA模型（mixed AR-MA model）210

15.8.4 季节循环性时间序列模型210

15.9 时间趋势预测模型211

15.10 Excel 2013时间序列操作步骤212

第十六章 DMX介绍217

16.1 DMX介绍217

16.2 DMX函数介绍219

16.2.1 模型建立219

16.2.2 模型训练220

16.2.3 模型使用（预测）220

16.2.4 其他函数语法221

16.3 DMX数据挖掘语法224

16.3.1 决策树225

16.3.2 贝叶斯概率分类226

16.3.3 关联规则226

16.3.4 聚类分析227

16.3.5 时序聚类228

16.3.6 线性回归分析229

16.3.7 Logistic回归230

16.3.8 神经网络231

16.3.9 时间序列232

16.4 DMX应用范例233

16.4.1 分类（classification）233

16.4.2 估计（estimation）234

16.4.3 预测（prediction）235

16.4.4 关联分组（affinity grouping）236

16.4.5 同质分组（clustering）237

第十七章 其他分析工具238

17.1 分析关键影响因素238

17.2 检测类别242

17.3 从示例填充245

17.4 预测246

17.5 突出显示异常值248

17.6 应用场景分析250

17.6.1 目标查找251

17.6.2 假设253

第三篇 实例257

第十八章 台湾房屋信用贷款违约状况分析257

18.1 数据说明257

18.2 建立模型258

第十九章 台湾健康食品行业分析267

19.1 数据说明267

19.2 建立模型269

19.2.1 准确性图表（预测列“违约注记”＝1）269

19.2.2 分类矩阵271

附录277

附录一 Power Query简介277

1．Power Query简介277

2．Power Query安装277

3．Power Query进行数据分析实例279

附录二 Power View简介292

1．Power View简介292

2．Power View操作292

附录三 Power Map301

1．Power Map简介301

2．数据要求301

3．安装Power Map302

4．Power Map的功能实现303

附录四 PowerPivot310

1．PowerPivot加载310

2．向PowerPivot工作簿中加载数据312

3．在数据之间创建关系318

4．创建计算列321

5．创建数据透视表325