《数据挖掘基础与应用(sql server 2008)》首先系统地介绍了数据挖掘
技术,然后虚拟一个“邦邦超市”,通过使用sql语言建立该超市的数据库并对数据进行操作,再进一步利用sql server 2008的数据挖掘模型对超市积累的数据进行挖掘,以实际例子帮助读者迅速理解并掌握数据挖掘技术,学会使用sql server 2008 提供的数据挖掘工具,提高零售企业的信息利用能力和经营水平。
对于想要了解数据挖掘技术及其应用的读者,本书是很好的参考读物。
数据挖掘基础与应用(sql server 2008)目录:
前言
第1章 数据挖掘与数据仓库 1
1.1 数据挖掘简介 1
1.1.1 数据挖掘的定义 1
1.1.2 数据挖掘的重要性 1
1.1.3 数据挖掘的功能 1
1.1.4 数据挖掘的步骤 2
1.1.5 数据挖掘建模的标准crisp-dm 2
1.2 商务智能简介 4
1.2.1 商务智能 4
1.2.2 商务智能的定义 4
1.2.3 商务智能的架构 5
1.2.4 商务智能的实施流程 5
1.3 数据挖掘与其他相关领域的关系 6
1.3.1 数据挖掘与统计分析的不同 6
1.3.2 数据挖掘与数据仓库的关系 6
1.3.3 kdd与数据挖掘的关系 7
1.3.4 在线分析处理(olap)与数据挖掘的关系 7
1.3.5 数据挖掘与
机器学习的关系 8
.1.3.6
web挖掘和数据挖掘有什么不同 8
1.4 数据挖掘在客户关系管理中的应用 9
1.4.1 客户关系管理(crm) 9
1.4.2 客户关系管理指标 10
1.4.3 数据挖掘应用于各行业 13
1.4.4 客户市场细分 14
1.4.5 交叉销售 15
1.4.6 客户关系管理四大循环过程 15
1.4.7 数据库营销 16
1.5 数据仓库定义 17
1.5.1 数据仓库特性 17
1.5.2 数据仓库架构 18
1.5.3 构建数据仓库的原因 19
1.5.4 构建数据仓库的主要目的 19
1.5.5 数据仓库的应用 20
1.5.6 数据仓库的管理 20
1.6 数据挖掘工具分类 21
1.6.1 数据挖掘工具 21
1.6.2 各工具的简介 21
第2章 sql语言介绍及其实例 22
2.1 sql简介及数据变量来源说明 22
2.1.1 何谓sql 22
2.1.2 各数据文档变量说明 23
2.2 sql基本语法介绍 25
2.3 会员基本资料整理 40
2.3.1 查询县市别填答状态 40
2.3.2 婚姻状态 42
2.4 会员基本变项 43
2.4.1 性别 43
2.4.2 交易周期性变化 49
2.4.3 会员在交易时的年龄及婚姻状态 52
2.4.4 会员交易金额及红利积点次数分配百分比 55
2.4.5 平均交易间隔时间 59
2.5 产品组合 62
2.5.1 按照产品编号排行榜 63
2.5.2 单项产品的排行榜 68
2.5.3 重复购买率 71
2.6 会员流失率 79
2.7 会员贡献度 83
第3章 sql server 2008的数据挖掘模型在零售业中的应用 86
3.1 实际案例练习 86
3.1.1 数据挖掘microsoft决策树 87
3.1.2 数据挖掘microsoft罗吉斯回归 90
3.1.3 数据挖掘microsoft类神经网络 93
3.1.4 数据挖掘microsoft贝氏概率分类 97
3.2 潜在客户预测模型 99
3.2.1 潜在客户预测流程图 99
3.2.2 交易频率趋势图 100
3.2.3 交易频率语法 101
3.3 模型建构 102
点击下载