4846.数据挖掘基础与应用（SQL Server 2008）.pdfVIP

数据挖掘基础与应用（SQL Server 2008） 猛点这里下载全部内容 目录： 前言 第1章数据挖掘与数据仓库 1.1数据挖掘简介 1.1.1数据挖掘的定义4 1.1.2数据挖掘的重要性 1.1.3数据挖掘的功能 1.1.4数据挖掘的步骤 1.1.5数据挖掘建模的标准CRISP-DM 1.2商务智能简介 1.2.1商务智能 1.2.2商务智能的定义 1.2.3商务智能的架构 1.2.4商务智能的实施流程 1.3数据挖掘与其他相关领域的关系 1.3.1数据挖掘与统计分析的不同 1.3.2数据挖掘与数据仓库的关系 1.3.3KDD与数据挖掘的关系 1.3.4在线分析处理(OLAP)与数据挖掘的关系 1.3.5数据挖掘与机器学习的关系 1.3.6Web挖掘和数据挖掘有什么不同 1.4数据挖掘在客户关系管理中的应用 1.4.1客户关系管理(CRM) 1.4.2客户关系管理指标 1.4.3数据挖掘应用于各行业 1.4.4客户市场细分 1.4.5交叉销售 1.4.6客户关系管理四大循环过程 1.4.7数据库营销 1.5数据仓库定义 1.5.1数据仓库特性 1.5.2数据仓库架构 1.5.3构建数据仓库的原因 1.5.4构建数据仓库的主要目的 1.5.5数据仓库的应用 1.5.6数据仓库的管理 1.6数据挖掘工具分类 1.6.1数据挖掘工具 1.6.2各工具的简介 第2章SQL语言介绍及其实例 2.1SQL简介及数据变量来源说明 2.1.1何谓SQL 2.1.2各数据文档变量说明 2.2SQL基本语法介绍 2.3会员基本资料整理 2.3.1查询县市别填答状态 2.3.2婚姻状态 2.4会员基本变项 2.4.1性别 2.4.2交易周期性变化 2.4.3会员在交易时的年龄及婚姻状态 2.4.4会员交易金额及红利积点次数分配百分比 2.4.5平均交易间隔时间 2.5产品组合 2.5.1按照产品编号排行榜 2.5.2单项产品的排行榜 2.5.3重复购买率 2.6会员流失率 2.7会员贡献度 第3章SQLServer2008的数据挖掘模型在零售业中的应用 3.1实际案例练习 3.1.1数据挖掘Microsoft决策树 3.1.2数据挖掘Microsoft罗吉斯回归 3.1.3数据挖掘Microsoft类神经网络 3.1.4数据挖掘Microsoft贝氏概率分类 3.2潜在客户预测模型 3.2.1潜在客户预测流程图 3.2.2交易频率趋势图 3.2.3交易频率语法 3.3模型建构 3.3.1SSIS操作流程 3.3.2SSAS操作流程 3.3.3数据挖掘Microsoft决策树模型建构 3.3.4数据挖掘Microsoft罗吉斯回归模型建构 3.3.5数据挖掘Microsoft类神经网络及贝氏概率模型建构 3.3.6模型比较 3.4数据挖掘Microsoft时间序列 3.4.1基本概念 3.4.2时间序列的成分 3.4.3时间序列数据的图形介绍 3.4.4利用修匀法预测 3.4.5用趋势投射预测时间序列 3.4.6预测含趋势与季节成分的时间序列 3.4.7利用回归模型预测时间序列 3.4.8其他预测模型 3.4.9模型单变量时间序列预测模型 3,4.10时间趋势预测模型 3.4.11范例操作 3.5数据挖掘Microsoft聚类分析 3.5.1基本概念 3.5.2范例操作 3.6数据挖掘Microsoft线性回归 3.6.1基本概念 3.6.2简单线性回归分析 3.6.3多无回归分析 3.6.4岭回归分析 3.6.5范例操作 3.6.6补充（测试集数据汇出） 3.7数据挖掘Microsoft关联规则 3.7.1基本概念 3.7.2关联规则的种类 3.7.3关联规则的算法：Apriori算法 3.7.4关联规则DMX数据挖掘语法 3.8数据挖掘Microsoft时序群集 3.8.1基本概念 3.8.2相关研究 3.8.3时序群集DMX数据挖掘语法 第4章OLAP-零售业中的应用 4.1数据仓库 4.2实例操作 4.2.1数据来源检查 4.2.2创建命名查询（VIP会员数据） 4.2.3编辑命名查询（VIP产品组成货号） 4.2.4编辑命名查询(VIP订单明细表) 4.2.5编辑命名查询（VIP订单数） 4.2.6编辑命名查询（VIP购买产品） 4.2.7编辑命名查询（VIP会员数） 4.3维度设计 4.4建立多维数据集 4.4.1对企业的价值 4.4.2数据储存的选择性 4.4.3实例操