數(shù)據(jù)挖掘(Data Mining)是近年來數(shù)據(jù)庫應用領域中相當熱門的話題。數(shù)據(jù)挖掘指在數(shù)據(jù)庫中，利用各種分析方法對累積的大量歷史數(shù)據(jù)進行分析、歸納與整合等工作，以提取出有用的信息，找出有意義且用戶有興趣的模式(Interesting Patterns)，供企業(yè)管理層進行決策。
謝邦昌，男，大學生物統(tǒng)計博士，現(xiàn)任臺北醫(yī)學大學管理學院副院長、大數(shù)據(jù)研究中心主任，“中華市場研究協(xié)會”理事長，“中華資料采礦協(xié)會”榮譽理事長，廈門大學講座教授。主要研究方向為大數(shù)據(jù)分析、數(shù)據(jù)挖掘。
朱建平，男，南開大學理學博士，現(xiàn)任廈門大學管理學院教授、博士生導師、廈門大學數(shù)據(jù)挖掘研究中心主任，浙江工商大學現(xiàn)代商貿(mào)流通體系建設協(xié)同創(chuàng)新中心首席專家。擔任中國統(tǒng)計學會副會長、教育部高等學校統(tǒng)計學類教學指導委員會秘書長。主要研究方向為數(shù)理統(tǒng)計、數(shù)據(jù)挖掘。
篇 基本知識
章 大數(shù)據(jù)與數(shù)據(jù)挖掘
1．1 大數(shù)據(jù)的定義
1．2 大數(shù)據(jù)的4V特征
1．3 大數(shù)據(jù)的預測魅力
1．4 數(shù)據(jù)挖掘定義
1．5 數(shù)據(jù)挖掘的重要性
1．6 數(shù)據(jù)挖掘功能
1．7 數(shù)據(jù)挖掘步驟
1．8 數(shù)據(jù)挖掘建模的標準ORI
1．9 大數(shù)據(jù)時代數(shù)據(jù)挖掘面臨的挑戰(zhàn)
第二章 數(shù)據(jù)挖掘運用理論及技術
2．1 回歸分析
2．1．1 簡單線性回歸分析
2．1．2 多元回歸分析
2．1．3 嶺回歸分析
2．1．4 Logistic回歸分析
2．2 關聯(lián)規(guī)則
2．3 聚類分析
2．4 判別分析
2．5 神經(jīng)網(wǎng)絡分析
2．6 決策樹分析
2．7 其他分析方法
第三章 數(shù)據(jù)挖掘與其他相關領域的關系
3．1 數(shù)據(jù)挖掘與統(tǒng)計分析的不同
3．2 數(shù)據(jù)挖掘與數(shù)據(jù)倉儲的關系
3．3 KDD與數(shù)據(jù)挖掘的關系
3．4 OLAP與數(shù)據(jù)挖掘的關系
3．5 數(shù)據(jù)挖掘與機器學習的關系
3．6 網(wǎng)絡信息挖掘和數(shù)據(jù)挖掘有什么不同
第四章 數(shù)據(jù)挖掘商業(yè)軟件產(chǎn)品及其應用現(xiàn)狀
4．1 數(shù)據(jù)挖掘工具分類
4．2 各工具的簡介
4．3 客戶關系管理
4．4 數(shù)據(jù)挖掘在各行業(yè)的應用
第二篇 ExceI2013數(shù)據(jù)挖掘模型
第五章 安裝與配置Excel2013數(shù)據(jù)挖掘加載項
5．1 需求
5．2 開始安裝
5．3 完成安裝驗證
5．4 配置設定
5．5 設定完成驗證
第六章 Excel2013數(shù)據(jù)挖掘入門
6．1 Excel2013數(shù)據(jù)挖掘工具欄介紹
6．2 數(shù)據(jù)挖掘使用說明
6．2．1 目錄
6．2．2 使用者入門
6．2．3 視頻和教程
6．3 數(shù)據(jù)挖掘連接設定
6．3．1 設定目前的連接
6．3．2 跟蹤
6．4 數(shù)據(jù)準備
6．4．1 瀏覽數(shù)據(jù)
6．4．2 清除數(shù)據(jù)
6．4．3 分割數(shù)據(jù)
6．5 數(shù)據(jù)建模
6．6 準確性和驗證
6．6．1 準確性圖表
6．6．2 分類矩陣
6．6．3 利潤圖
6．7 模型用法
第三篇 實例
附錄
書單推薦
