掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
數據倉庫與數據挖掘 版權信息
- ISBN：9787301143131
- 條形碼：9787301143131 ; 978-7-301-14313-1
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據倉庫與數據挖掘 本書特色
1.突出創造能力和創新意識。關注專業背景，拓寬理論基礎、強調計算機應用與網絡技術應用技能和專業知識，著眼于增強教學內容的實際和應用性。2．符合各學校專業課程設置要求。以高等教育的培養目標為依據，注重教材的科學性、實用性和通用性，準確定位教材在人才培養過程中的地位和作用，滿足各院校教學需求。3．面向就業，突出應用。作者多為在電子商務與信息管理專業教學方面具有豐富經驗的一線教師和研究人員，準確把握就業市場動向，注重培養學生實際操作能力。4．合理選材和編排。傳統內容與現代內容合理融合，補充了大量新知識、新技術和新成果：遵循*新準則或規范，根據教學內容、學時、教學大綱的要求，突出重點和難點。5．側重案例教學。對大量當前*新典型案例進行分析講解，理論聯系實際，通俗易懂。
數據倉庫與數據挖掘 內容簡介
本書比較系統地介紹數據倉庫與數據挖掘的理論體系和應用。本書總的指導思想是在掌握基本知識和基本理論的基礎上，強調實際應用能力的培養。全書力求深入淺出，通過通俗的語言及案例分析，介紹數據倉庫及數據挖掘的基本概念及相關理論與方法。從數據倉庫的定義、結構、設計、構建方法及聯機分析處理應用等方面對數據倉庫進行較為詳細的介紹；從數據挖掘的定義、數據預處理、數據挖掘中的常用算法等方面對數據挖掘的基本知識和算法等理論進行介紹。本書強調數據倉庫和數據挖掘工具的應用，重點介紹sql server 2005數據倉庫和數據挖掘工具的應用。附錄a詳細介紹一個簡易的數據挖掘工具——weka，該工具可作為讀者學習數據挖掘時的實驗工具。 本書可作為普通高等學校電子商務、信息管理、計算機應用及其他相關專業的本科教材，也可作為經貿、管理類專業的研究生教材，以及各類管理人員的培訓與自學用書。
數據倉庫與數據挖掘 目錄
第1章 企業數據資源管理 1.1 數據資源的概念 1.1.1 企業資源 1.1.2 數據資源 1.1.3 數據資源管理及其發展歷程 1.2 數據資源管理的意義 1.2.1 信息系統進入成熟階段的重要標志 1.2.2 解決企業內部數據不一致問題的根本途徑 1.2.3 數據資源的管理和應用是取得競爭優勢的關鍵 1.3 信息資源管理的相關技術 1.3.1 數據資源管理的技術框架 1.3.2 技術框架中的構成要素 1.3.3 技術框架中各部分的關聯 1.4 企業通過數據倉庫與數據挖掘獲得競爭優勢 本章小結 思考與練習第2章 數據倉庫的概念與結構 2.1 數據倉庫的概念 2.1.1 數據倉庫的定義 2.1.2 數據倉庫的特征 2.1.3 數據集市 2.2 數據倉庫系統 2.2.1 數據源 2.2.2 數據倉庫管理層 2.2.3 數據倉庫工具集 2.3 數據倉庫中的數據組織 2.3.1 粒度的概念 2.3.2 面向主題的數據組織 2.3.3 數據分割 2.3.4 元數據的管理 本章小結 思考與練習第3章 數據倉庫的設計與開發 3.1 數據倉庫的開發過程及特點 3.1.1 數據倉庫開發的生命周期 3.1.2 數據倉庫開發的特點 3.1.3 數據倉庫設計的主要內容 3.2 數據模型設計 3.2.1 概念模型設計 3.2.2 邏輯模型設計 3.2.3 物理模型設計 3.3 數據倉庫的粒度設計 3.3.1 設計步驟 3.3.2 設計原則 3.4 創建數據倉庫的基本步驟 3.4.1 建立運營環境文檔 3.4.2 選擇數據倉庫的實現技術 3.4.3 設計數據倉庫模型 3.4.4 創建數據準備區 3.4.5 創建數據倉庫數據庫 3.4.6 從操作型系統中抽取數據 3.4.7 清理和轉換數據 3.4.8 將數據裝入數據倉庫數據庫 3.4.9 準備顯示信息 3.4.10 將數據分發到數據集市 本章小結 思考與練習第4章 聯機分析處理 4.1 OLAP的基本概念 4.1.1 OLAP的發展背景 4.1.2 聯機分析處理是數據倉庫系統的一個應用 4.2 OLAP與多維分析 4.2.1 OLAP的一些基本概念 4.2.2 理解數據立方 4.2.3 OLAP的基本分析操作 4.3 OLAP的分類 4.3.1 ROLAP 4.3.2 MOLAP 4.3.3 HOLAP 4.4 OLAP的特性與不足 4.4.1 OLAP的特性 4.4.2 OLAP的不足 4.5 SQL Servei 2005統一維度模型 4.5.1 結構 4.5.2 優點 本章小結 思考與練習第5章 數據挖掘概述 5.1 數據挖掘技術的由來 5.1.1 信息爆炸但知識貧乏 5.1.2 支持數據挖掘技術的基礎 5.1.3 從商業數據到商業信息的進化 5.1.4 數據挖掘逐漸演變的過程 5.2 數據挖掘的定義 5.2.1 技術角度的定義 5.2.2 商業角度的定義 5.2.3 數據挖掘與傳統分析方法的區別 5.2.4 數據挖掘和數據倉庫 5.2.5 數據挖掘和OLAP 5.2.6 數據挖掘、機器學習和統計 5.3 數據挖掘發現的知識類型 5.3.1 廣義知識 5.3.2 關聯知識 5.3.3 分類知識 5.3.4 預測知識 5.3.5 偏差知識 5.4 數據挖掘流程 5.4.1 知識發現過程 5.4.2 數據挖掘對象 5.4.3 數據挖掘任務 5.4.4 數據挖掘分類 5.4.5 數據預處理 5.5 數據挖掘的方法和技術 5.5.1 信息論方法 5.5.2 集合論方法 5.5.3 神經網絡方法 5.5.4 遺傳算法 5.5.5 模糊數學 5.5.6 公式發現 5.5.7 可視化技術 5.5.8 知識表示 本章小結 思考與練習第6章 數據預處理 6.1 數據預處理的目的及方法 6.1.1 原始數據中存在的問題 6.1.2 數據預處理的常用方法 6.2 數據清理 6.2.1 處理空缺值 6.2.2 噪聲數據的處理 6.3 數據集成 6.3.1 模式匹配 6.3.2 數據冗余 6.3.3 數據沖突 6.4 數據變換 6.5 數據歸約 6.5.1 數據立方體聚集 6.5.2 維歸約 6.5.3 數據壓縮 6.5.4 數值歸約 6.5.5 離散化和概念分層 本章小結 思考與練習第7章 數據挖掘中的常用算法 7.1 Apriori算法 7.1.1 基本原理 7.1.2 Apriori算法的基本思想與分析 7.1.3 從頻繁項集產生關聯規則 7.2 決策樹算法 7.2.1 信息論的基本原理 7.2.2 ID3算法 7.2.3 樹剪枝 7.2.4 由決策樹提取分類規則 7.3 神經網絡算法 7.3.1 神經網絡的基本原理 7.3.2 反向傳播模型 7.3.3 定義神經網絡拓撲結構 7.3.4 神經網絡的工作過程 7.4 聚類分析 7.4.1 聚類分析的概念 7.4.2 聚類分析中的數據類型 7.4.3 幾種主要的聚類分析方法 7.4.4 K means聚類分析算法 本章小結 思考與練習第8章 SQL Server數據倉庫與數據挖掘工具及其應用 8.1 SQL Server 2005的功能構架 8.2 SQL Server數據倉庫設計與數據挖掘準備 8.2.1 SQL Server數據倉庫創建思路 8.2.2 SQL Server數據挖掘過程 8.2.3 案例數據準備 8.3 SQL Server集成服務 8.3.1 SQL Server集成服務的作用 8.3.2 控制流 8.3.3 數據流 8.3.4 設計和使用ETL 8.4 SQL Server分析服務 8.4.1 創建Analysis Services項目 8.4.2 定義數據源 8.4.3 定義數據源視圖 8.4.4 用Analysis Services創建維與多維數據集 8.4.5 部署Analysis Services項目 8.5 SQL Server中的數據挖掘工具與應用 8.6 SQL Server報表服務 8.6.1 創建報表 8.6.2 使用報表 本章小結 思考與練習附錄A 一個簡易的數據挖掘工具——Weka參考文獻
展開全部
數據倉庫與數據挖掘 節選
《數據倉庫與數據挖掘》比較系統地介紹數據倉庫與數據挖掘的理論體系和應用。《數據倉庫與數據挖掘》總的指導思想是在掌握基本知識和基本理論的基礎上，強調實際應用能力的培養。《數據倉庫與數據挖掘》書力求深入淺出，通過通俗的語言及案例分析，介紹數據倉庫及數據挖掘的基本概念及相關理論與方法。從數據倉庫的定義、結構、設計、構建方法及聯機分析處理應用等方面對數據倉庫進行較為詳細的介紹；從數據挖掘的定義、數據預處理、數據挖掘中的常用算法等方面對數據挖掘的基本知識和算法等理論進行介紹。《數據倉庫與數據挖掘》強調數據倉庫和數據挖掘工具的應用，重點介紹SQL Server 2005數據倉庫和數據挖掘工具的應用。附錄A詳細介紹一個簡易的數據挖掘工具——Weka，該工具可作為讀者學習數據挖掘時的實驗工具。 《數據倉庫與數據挖掘》可作為普通高等學校電子商務、信息管理、計算機應用及其他相關專業的本科教材，也可作為經貿、管理類專業的研究生教材，以及各類管理人員的培訓與自學用書。
書友推薦
- >
隨園食單
- >
巴金－再思錄
- >
苦雨齋序跋文-周作人自編集
- >
回憶愛瑪儂
- >
煙與鏡
- >
莉莉和章魚
- >
月亮虎
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
