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
數據挖掘技術(第3版) 版權信息
- ISBN：9787302310143
- 條形碼：9787302310143 ; 978-7-302-31014-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據挖掘技術(第3版) 本書特色
《數據挖掘技術（第3版）：應用于市場營銷、銷售與客戶關系管理》主題包括： 如何創建穩定、持久的預測模型 數據準備和變量選擇 用諸如回歸、決策樹、神經網絡、基于記憶的推理之類的有指導技術來建模特定目標 用諸如聚類、關聯規則和鏈接分析之類的無指導技術來發現模式 建模業務的事件發生時間問題，如下一次購買時間和預期的剩余生存期等 挖掘非結構化文本
數據挖掘技術(第3版) 內容簡介
誰將是忠實的客戶？誰將不是呢？哪些消息對哪些客戶細分有效？如何大化客戶的價值？如何將客戶的價值大化？《數據挖掘技術（第3版）：應用于市場營銷、銷售與客戶關系管理》提供了強大的工具，可以從上述和其他重要商業問題所在的公司數據庫中提取它們的答案。自該書第1版問世以來，數據挖掘已經日益成為現代商業不可缺少的工具。在這個新版本中，作者對每個章節都進行了大量的更新和修訂，并且添加了幾個新的章節。該書保留了早期版本的重點，指導市場分析師、業務經理和數據挖掘專家利用數據挖掘方法和技術來解決重要的商業問題。在不犧牲準確度的前提下，為了簡單起見，即使是復雜的主題，作者也進行了簡潔明了的介紹，并盡量減少對技術術語或數學公式的使用。每個技術主題都通過案例研究和源自作者經驗的真實案例進行說明，每章都包含了針對從業者的寶貴提示。書中介紹的新技術和更為深入的技術包括：線性和邏輯回歸模型、增量響應（提升）建模、樸素貝葉斯模型、表查詢模型、相似度模型、徑向基函數網絡、期望值大化（EM）聚類和群體智慧。新的章節專門討論了數據準備、派生變量、主成分分析和其他變量減少技術，以及文本挖掘。 在建立了全面的數據挖掘應用業務環境，并介紹了所有數據挖掘項目通用的數據挖掘方法論的各個方面之后，該書詳細介紹了每個重要的數據挖掘技術。
數據挖掘技術(第3版) 目錄
第1章 什么是數據挖掘以及為什么要進行數據挖掘
1．1 什么是數據挖掘
1．1．1 數據挖掘是一項業務流程
1．1．2 大量的數據
1．1．3 有意義的模式和規則
1．1．4 數據挖掘和客戶關系管理
1．2 為什么是現在
1．2．1 數據正在產生
1．2．2 數據正存在于數據倉庫中
1．2．3 計算能力能夠承受
1．2．4 對客戶關系管理的興趣非常強烈
1．2．5 商業的數據挖掘軟件產品變得可用
1．3 數據挖掘人員的技能
1．4 數據挖掘的良性循環
1．5 業務數據挖掘的案例研究
1．5．1 識別美國銀行的業務挑戰
1．5．2 應用數據挖掘
1．5．3 對結果采取行動
1．5．4 度量數據挖掘的影響
1．6 良性循環的步驟
1．6．1 識別業務機會
1，6．2 將數據轉換為信息
1．6．3 根據信息采取行動
1．6．4 度量結果
1．7 良性循環上下文中的數據挖掘
1．8 經驗教訓
第2章 數據挖掘在營銷和客戶關系管理中的應用
2．1 兩個客戶生存周期
2．1．1 客戶個人生存周期
2．1．2 客戶關系生存周期
2．1．3 基于訂閱的關系和基于事件的關系
2．2 圍繞客戶生存周期組織業務流程
2．2．1 客戶獲取
2．2．2 客戶激活
2．2．3 客戶關系管理
2．2．4 贏回
2．3 數據挖掘應用于客戶獲取
2．3．1 識別好的潛在客戶
2．3．2 選擇通信渠道
2．3．3 挑選適當的信息
2．4 數據挖掘示例：選擇合適的地方做廣告
2．4．1 誰符合剖析
2．4．2 度量讀者群的適應度
2．5 數據挖掘改進直接營銷活動
2．5．1 響應建模
2．5．2 優化固定預算的響應
2．5．3 優化活動收益率
2．5．4 抵達*受信息影響的人
2．6 通過當前客戶了解潛在客戶
2．6．1 在客戶成為”客戶“以前開始跟蹤他們”
2．6．2 收集新的客戶信息
2．6．3 獲取時間變量可以預測將來的結果
2．7 數據挖掘應用于客戶關系管理
2．7．1 匹配客戶的活動
2．7．2 減少信用風險
2．7．3 確定客戶價值
2．7．4 交叉銷售、追加銷售和推薦
2．8 保留
2．8．1 識別流失
2．8．2 為什么流失是問題
2．8．3 不同類型的流失
2．8．4 不同種類的流失模型
2．9 超越客戶生存周期
2．10 經驗教訓
第3章 數據挖掘過程
3．1 會出什么問題
3．1．1 學習的東西不真實
3．1．2 學習的東西真實但是無用
3．2 數據挖掘類型
3．2．1 假設檢驗
3．2．2．有指導數據挖掘
3．2．3 無指導數據挖掘
3．3 目標、任務和技術
3．3．1 數據挖掘業務目標
3．3．2 數據挖掘任務
3．3．3 數據挖掘技術
3．4 制定數據挖掘問題：從目標到任務再到技術
3．4．1 選擇廣告的*佳位置
3．4．2 確定向客戶提供的*佳產品
3．4．3 發現分支或商店的*佳位置
3．4．4 根據未來利潤劃分客戶
3．4．5 減少暴露于違約的風險
3．4．6 提高客戶保留
3．4．7 檢測欺詐性索賠
3．5 不同技術對應的任務
3．5．1 有一個或多個目標
……
第4章 統計學入門：關于數據，你該了解些什么
第5章 描述和預測：剖析與預測建模
第6章 使用經典統計技術的數據挖掘
第7章 決策樹
第8章 人工神經網絡
第9章 *近鄰方法：基于記憶的推理和協同過濾
第10章 了解何時應擔憂：使用生存分析了解客戶
第11章 遺傳算法與群體智能
第12章 一些新知識：模式識別與數據挖掘
第13章 發現相似的島嶼：自動群集檢測
第14章 其他的群集檢測方法
第15章 購物籃分析和關聯規則
第16章 鏈接分析
第17章 數據倉庫、OLAP、分析沙箱和數據挖掘
第18章 構建客戶簽名
第19章 派生變量：使數據的含義更豐富
第20章 減少變量數量的技術
第21章 仔細聆聽客戶所述：文本挖掘
1．1 什么是數據挖掘
1．1．1 數據挖掘是一項業務流程
1．1．2 大量的數據
1．1．3 有意義的模式和規則
1．1．4 數據挖掘和客戶關系管理
1．2 為什么是現在
1．2．1 數據正在產生
1．2．2 數據正存在于數據倉庫中
1．2．3 計算能力能夠承受
1．2．4 對客戶關系管理的興趣非常強烈
1．2．5 商業的數據挖掘軟件產品變得可用
1．3 數據挖掘人員的技能
1．4 數據挖掘的良性循環
1．5 業務數據挖掘的案例研究
1．5．1 識別美國銀行的業務挑戰
1．5．2 應用數據挖掘
1．5．3 對結果采取行動
1．5．4 度量數據挖掘的影響
1．6 良性循環的步驟
1．6．1 識別業務機會
1，6．2 將數據轉換為信息
1．6．3 根據信息采取行動
1．6．4 度量結果
1．7 良性循環上下文中的數據挖掘
1．8 經驗教訓
第2章 數據挖掘在營銷和客戶關系管理中的應用
2．1 兩個客戶生存周期
2．1．1 客戶個人生存周期
2．1．2 客戶關系生存周期
2．1．3 基于訂閱的關系和基于事件的關系
2．2 圍繞客戶生存周期組織業務流程
2．2．1 客戶獲取
2．2．2 客戶激活
2．2．3 客戶關系管理
2．2．4 贏回
2．3 數據挖掘應用于客戶獲取
2．3．1 識別好的潛在客戶
2．3．2 選擇通信渠道
2．3．3 挑選適當的信息
2．4 數據挖掘示例：選擇合適的地方做廣告
2．4．1 誰符合剖析
2．4．2 度量讀者群的適應度
2．5 數據挖掘改進直接營銷活動
2．5．1 響應建模
2．5．2 優化固定預算的響應
2．5．3 優化活動收益率
2．5．4 抵達*受信息影響的人
2．6 通過當前客戶了解潛在客戶
2．6．1 在客戶成為”客戶“以前開始跟蹤他們”
2．6．2 收集新的客戶信息
2．6．3 獲取時間變量可以預測將來的結果
2．7 數據挖掘應用于客戶關系管理
2．7．1 匹配客戶的活動
2．7．2 減少信用風險
2．7．3 確定客戶價值
2．7．4 交叉銷售、追加銷售和推薦
2．8 保留
2．8．1 識別流失
2．8．2 為什么流失是問題
2．8．3 不同類型的流失
2．8．4 不同種類的流失模型
2．9 超越客戶生存周期
2．10 經驗教訓
第3章 數據挖掘過程
3．1 會出什么問題
3．1．1 學習的東西不真實
3．1．2 學習的東西真實但是無用
3．2 數據挖掘類型
3．2．1 假設檢驗
3．2．2．有指導數據挖掘
3．2．3 無指導數據挖掘
3．3 目標、任務和技術
3．3．1 數據挖掘業務目標
3．3．2 數據挖掘任務
3．3．3 數據挖掘技術
3．4 制定數據挖掘問題：從目標到任務再到技術
3．4．1 選擇廣告的*佳位置
3．4．2 確定向客戶提供的*佳產品
3．4．3 發現分支或商店的*佳位置
3．4．4 根據未來利潤劃分客戶
3．4．5 減少暴露于違約的風險
3．4．6 提高客戶保留
3．4．7 檢測欺詐性索賠
3．5 不同技術對應的任務
3．5．1 有一個或多個目標
……
第4章 統計學入門：關于數據，你該了解些什么
第5章 描述和預測：剖析與預測建模
第6章 使用經典統計技術的數據挖掘
第7章 決策樹
第8章 人工神經網絡
第9章 *近鄰方法：基于記憶的推理和協同過濾
第10章 了解何時應擔憂：使用生存分析了解客戶
第11章 遺傳算法與群體智能
第12章 一些新知識：模式識別與數據挖掘
第13章 發現相似的島嶼：自動群集檢測
第14章 其他的群集檢測方法
第15章 購物籃分析和關聯規則
第16章 鏈接分析
第17章 數據倉庫、OLAP、分析沙箱和數據挖掘
第18章 構建客戶簽名
第19章 派生變量：使數據的含義更豐富
第20章 減少變量數量的技術
第21章 仔細聆聽客戶所述：文本挖掘
展開全部
數據挖掘技術(第3版) 作者簡介
Gordon S.Linoff和Michael J.A.Berry是Data Miners公司的創始人，這是一家專注于數據挖掘的咨詢公司。他們已經共同編寫了兩本在該領域領先的數據挖掘書籍：Data Mining Techniques和Mastering DataMining（都由Wiley出版）。他們每人都有數十年應用數據挖掘技術的經驗，以幫助企業解決市場營銷、銷售和客戶關系管理的問題。
書友推薦
- >
史學評論
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
【精裝繪本】畫給孩子的中國神話
- >
苦雨齋序跋文-周作人自編集
- >
唐代進士錄
- >
月亮與六便士
- >
姑媽的寶刀
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
