1 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的概述

1.1 數(shù)據(jù)倉庫的概述

1.2 數(shù)據(jù)挖掘的概述

1.3 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

習題1

2 數(shù)據(jù)倉庫結(jié)構(gòu)、模型與元數(shù)據(jù)

2.1 數(shù)據(jù)倉庫結(jié)構(gòu)

2.2 數(shù)據(jù)倉庫模型

2.3 數(shù)據(jù)抽取、轉(zhuǎn)換和裝載

2.4 元數(shù)據(jù)

習題2

3 數(shù)據(jù)特征與預(yù)處理

3.1 數(shù)據(jù)對象與類別

3.2 數(shù)據(jù)特征的統(tǒng)計描述

3.3 數(shù)據(jù)預(yù)處理

習題3

4 聯(lián)機分析處理

4.1 OLAP的概述

4.2 OLAP的多維數(shù)據(jù)分析

4.3 OLAP系統(tǒng)的分類

4.4 OLTP與OLAP融合的前沿技術(shù)

習題4

5 關(guān)聯(lián)規(guī)則挖掘

5.1 關(guān)聯(lián)規(guī)則挖掘原理

5.2 Apriori算法

5.3 關(guān)聯(lián)規(guī)則的評價方法

5.4 關(guān)聯(lián)規(guī)則挖掘及其算法

習題5

6 分類規(guī)則挖掘

6.1 分類規(guī)則挖掘原理

6.2 決策樹分類方法

6.3 貝葉斯分類方法

6.4 分類規(guī)則挖掘及其方法

習題6

7 幾聚類分析方法

7.1 聚類分析原理

7.2 聚類分析算法

7.3 聚類質(zhì)量評價

習題7

8 神經(jīng)網(wǎng)絡(luò)與深度學習

8.1 神經(jīng)網(wǎng)絡(luò)與深度學習的概述

8.2 前饋神經(jīng)網(wǎng)絡(luò)

8.3 卷積神經(jīng)網(wǎng)絡(luò)

8.4 循環(huán)神經(jīng)網(wǎng)絡(luò)

8.5 注意力機制

習題8

參考文獻

查看全部↓