• <em id="pai5d"></em><sup id="pai5d"></sup>
    
    

    <small id="pai5d"><rp id="pai5d"></rp></small>
    <option id="pai5d"></option>

    
    
  • <sup id="pai5d"></sup>
    <em id="pai5d"><label id="pai5d"></label></em>

  • <s id="pai5d"></s>
    當前位置 : 首頁(yè)  圖書(shū) 正文

    高等院校經(jīng)濟管理類(lèi)規劃教材:商業(yè)智能原理與應用簡(jiǎn)介,目錄書(shū)摘

    2020-02-03 15:26 來(lái)源:京東 作者:京東
    原理
    高等院校經(jīng)濟管理類(lèi)規劃教材:商業(yè)智能原理與應用
    暫無(wú)報價(jià)
    10+評論 100%好評
    編輯推薦:
    內容簡(jiǎn)介:    商業(yè)智能是將企事業(yè)單位積累的數據轉化為知識,幫助企事業(yè)單位做出科學(xué)決策的工具?!陡叩仍盒=?jīng)濟管理類(lèi)規劃教材:商業(yè)智能原理與應用》以“商業(yè)智能”應用為主線(xiàn),全面系統地介紹了商業(yè)智能的基本概念、方法和技術(shù),克服了以“數據挖掘”技術(shù)為豐線(xiàn)的局限性,并以MS SQL Server作為數據倉庫管理平臺,以SQL Server Business Intelligence Developrnent Visual Studio作為商業(yè)智能開(kāi)發(fā)平臺,進(jìn)行了豐富的案例演示?!陡叩仍盒=?jīng)濟管理類(lèi)規劃教材:商業(yè)智能原理與應用》可作為高等院校高年級本科生教材,也可作為MBA教材以及盯相關(guān)專(zhuān)業(yè)人員、市場(chǎng)營(yíng)銷(xiāo)人員、管理決策支持等實(shí)際經(jīng)濟管理領(lǐng)域實(shí)務(wù)工作者的參考用書(shū)。
    作者簡(jiǎn)介:
    目錄:第1章 數據挖掘和商業(yè)智能
    1.1 數據挖掘的興起
    1.1.1 數據豐富與知識匱乏
    1.1.2 從數據到知識
    1.1.3 數據挖掘產(chǎn)生
    1.1.4 數據挖掘解決的商業(yè)問(wèn)題
    1.2 什么是商業(yè)智能
    1.2.1 企業(yè)決策實(shí)現過(guò)程的信息需求
    1.2.2 企業(yè)信息化系統中的商業(yè)智能
    1.2.3 商業(yè)智能的體系結構
    1.3 數據挖掘和商業(yè)智能工具
    1.3.1 商業(yè)智能工具的選擇
    1.3.2 SQL Server 2008的商業(yè)智能構架
    1.4 數據挖掘應用案例
    【本章小結】
    【練習題】

    第2章 數據倉庫
    2.1 數據倉庫的概念
    2.1.1 從傳統數據庫到數據倉庫
    2.1.2 數據倉庫的定義與基本特性
    2.2 數據倉庫的體系結構
    2.2.1 數據倉庫的物理結構
    2.2.2 數據倉庫的系統結構
    2.2.3 數據倉庫的數據模型
    2.3 元數據
    2.3.1 元數據的定義
    2.3.2 元數據的分類(lèi)及作用
    2.4 數據集市
    2.4.1 兩種數據集市結構
    2.4.2 數據集市與數據倉庫的差別
    2.4.3 關(guān)于數據集市的誤區
    2.5 數據倉庫設計與實(shí)施
    2.5.1 自上而下還是自下而上的設計方法
    2.5.2 數據倉庫的設計步驟
    2.5.3 數據倉庫的實(shí)施
    2.5.4 數據倉庫的使用和維護
    2.6 Microsoft數據倉庫(DW)和商業(yè)智能(BI)工具
    2.7 數據倉庫設計案例
    2.7.1 業(yè)務(wù)數據庫AdventureWorks
    2.7.2 業(yè)務(wù)數據分析
    2.7.3 項目需求分析
    2.7.4 構建數據倉庫
    【本章小結】
    【練習題】

    第3章 數據預處理
    3.1 數據預處理的重要性
    3.2 數據清洗
    3.2.1 遺漏數據處理
    3.2.2 噪聲數據處理
    3.2.3 不一致數據處理
    3.3 數據集成與轉換
    3.3.1 數據集成處理
    3.3.2 數據轉換處理
    3.4 數據消減
    3.4.1 數據立方合計
    3.4.2 維數消減
    3.4.3 數據塊消減
    3.5 離散化和概念層次樹(shù)生成
    3.5.1 數值概念層次樹(shù)生成
    3.5.2 類(lèi)別概念層次樹(shù)生成
    3.6 使用SSIS對數據進(jìn)行ETL操作
    3.6.1 SSIS的主要功能
    3.6.2 SSIS的體系結構
    3.6.3 SSIS包主要對象
    3.6.4 創(chuàng )建并運行一個(gè)簡(jiǎn)單的包
    【本章小結】
    【思考題】

    第4章 多維數據分析
    4.1 多維數據分析基礎
    4.2 多維數據分析方法
    4.3 多維數據的存儲方式
    4.3.1 三種存儲方式
    4.3.2 三種存儲方式的比較
    4.4 多維表達式(MDX)
    4.4.1 MDX中的重要概念
    4.4.2 MDX基本語(yǔ)法
    4.4.3 MDX與SQL的區別
    4.4.4 MDX核心函數
    4.5 使用SQL Servet Analysis Services(SSAS)構建維度和多維數據集
    4.5.1 SSAS的體系結構
    4.5.2 SSAS的統一維度模型(UDM)
    4.5.3 SSAS示例
    4.6 使用Excel數據透視圖瀏覽多維數據集
    【本章小結】
    【思考題】

    第5章 用Microsoft SSRS處理智能報表
    5.1 SSRS商業(yè)智能報表
    5.1.1 商業(yè)智能報表與商業(yè)智能
    5.1.2 SSRS的結構
    5.1.3 SSRS報表的3種狀態(tài)
    5.2 使用SSRS創(chuàng )建報表
    5.2.1 創(chuàng )建一個(gè)簡(jiǎn)單報表項目
    5.2.2 增強基本報表的功能
    5.2.3 發(fā)布報表
    【本章小結】

    第6章 數據挖掘技術(shù)
    6.1 數據挖掘的任務(wù)
    6.1.1 分類(lèi)
    6.1.2 回歸
    6.1.3 時(shí)間序列分析
    6.1.4 預測
    6.1.5 聚類(lèi)
    6.1.6 關(guān)聯(lián)規則
    6.1.7 序列分析
    6.1.8 偏差檢測
    6.2 數據挖掘的對象
    6.3 數據挖掘系統的分類(lèi)
    6.4 數據挖掘項目的生命周期
    6.4.1 商業(yè)理解
    6.4.2 數據準備
    6.4.3 模型構建
    6.4.4 模型評估
    6.4.5 應用集成和實(shí)施
    6.5 數據挖掘面臨的挑戰及發(fā)展
    6.5.1 數據挖掘面臨的挑戰
    6.S.2 數據挖掘的發(fā)展趨勢
    【本章小結】
    【思考題】

    第7章 關(guān)聯(lián)挖掘
    7.1 關(guān)聯(lián)規則挖掘
    7.1.1 購物分析:關(guān)聯(lián)挖掘
    7.1.2 基本概念
    7.1.3 關(guān)聯(lián)規則挖掘分類(lèi)
    7.2 單維布爾關(guān)聯(lián)規則挖掘
    7.2.1 Apriori算法
    7.2.2 關(guān)聯(lián)規則的生成
    7.3 挖掘多層級關(guān)聯(lián)規則
    7.3.1 挖掘多層次關(guān)聯(lián)規則
    7.3.2 挖掘多層次關(guān)聯(lián)規則方法
    7.3.3 多層次關(guān)聯(lián)規則的冗余
    7.4 多維關(guān)聯(lián)規則的挖掘
    7.4.1 多維關(guān)聯(lián)規則
    7.4.2 利用靜態(tài)離散挖掘多維關(guān)聯(lián)規則
    7.5 關(guān)聯(lián)挖掘中的相關(guān)分析
    7.5.1 無(wú)意義強關(guān)聯(lián)規則示例
    7.5.2 從關(guān)聯(lián)分析到相關(guān)分析
    7.6 利用Microsoft SSAS進(jìn)行關(guān)聯(lián)挖掘
    7.6.1 Microsoft關(guān)聯(lián)規則模型簡(jiǎn)介
    7.6.2 關(guān)聯(lián)規則數據挖掘示例
    【本章小結】
    【思考題】

    第8章 分類(lèi)與預測
    8.1 分類(lèi)與預測基本知識
    8.2 有關(guān)分類(lèi)和預測的幾個(gè)問(wèn)題
    8.3 基于決策樹(shù)的分類(lèi)
    8.3.1 決策樹(shù)生成算法
    8.3.2 屬性選擇方法
    8.3.3 樹(shù)枝修剪
    8.3.4 決策樹(shù)分類(lèi)規則獲取
    8.3.5 級別決策樹(shù)方法的改進(jìn)
    8.3.6 數據倉庫技術(shù)與決策樹(shù)歸納的結合
    8.4 貝葉斯分類(lèi)方法
    8.4.1 貝葉斯定理
    8.4.2 基本貝葉斯分類(lèi)方法
    8.5 神經(jīng)網(wǎng)絡(luò )分類(lèi)方法
    8.5.1 多層前饋神經(jīng)網(wǎng)絡(luò )
    8.5.2 神經(jīng)網(wǎng)絡(luò )結構
    8.5.3 后傳方法
    8.5.4 后傳方法和可理解性
    8.6 分類(lèi)器準確性
    8.6.1 分類(lèi)器準確性估計
    8.7 預測方法
    8.7.1 線(xiàn)性與多變量回歸
    8.7.2 非線(xiàn)性回歸
    8.7.3 其它回歸模型
    8.8 Microsoft貝葉斯算法
    8.8.1 貝葉斯算法的參數
    8.8.2 使用貝葉斯模型
    8.8.3 瀏覽貝葉斯模型
    8.9. Microsoft決策樹(shù)算法
    8.10 Microsoft神經(jīng)網(wǎng)絡(luò )算法
    【本章小結】
    【思考題】

    第9章 聚類(lèi)分析
    9.1 聚類(lèi)分析概念
    9.2 聚類(lèi)分析中的數據類(lèi)型
    9.2.1 間隔數值屬性
    9.2.2 二值屬性
    9.2.3 符號、順序和比例數值屬性
    9.2.4 混合類(lèi)型屬性
    9.3 主要聚類(lèi)方法
    9.4 劃分方法
    9.4.1 傳統劃分方法
    9.4.2 大數據庫的劃分方法
    9.5 層次方法
    9.5.1 兩種基本層次聚類(lèi)方法
    9.6 基于密度方法
    9.6.1 基于密度方法:DBSCAN
    9.7 異常數據分析
    9.7.1 基于統計的異常檢測方法
    9.7.2 基于距離的異常檢測方法
    9.7.3 基于偏差的異常檢查方法
    9.8 Microsoft聚類(lèi)算法
    【本章小結】
    【思考題】

    第10章 時(shí)序數據和序列數據挖掘
    10.1 時(shí)間序列模型
    10.2 Microsoft的時(shí)序算法
    10.2.1 自動(dòng)回歸
    10.2.2 自動(dòng)回歸樹(shù)
    10.2.3 數據中的季節性處理
    10.2.4 使用預測函數預測值
    10.3 Microsoft時(shí)序算法示例
    10.4 Microsoft的序列模式挖掘
    10.4.1 Microsoft序列聚類(lèi)算法
    10.4.2 序列聚類(lèi)挖掘示例
    【本章小結】
    【思考題】

    第11章 基于多維數據集的數據挖掘
    11.1 OLAP和數據挖掘之間的關(guān)系
    11.2 構建OLAP挖掘模型
    【本章小結】
    熱門(mén)推薦文章
    相關(guān)優(yōu)評榜
    相關(guān)產(chǎn)品
    品類(lèi)齊全,輕松購物 多倉直發(fā),極速配送 正品行貨,精致服務(wù) 天天低價(jià),暢選無(wú)憂(yōu)
    購物指南
    購物流程
    會(huì )員介紹
    生活旅行/團購
    常見(jiàn)問(wèn)題
    大家電
    聯(lián)系客服
    配送方式
    上門(mén)自提
    211限時(shí)達
    配送服務(wù)查詢(xún)
    配送費收取標準
    海外配送
    支付方式
    貨到付款
    在線(xiàn)支付
    分期付款
    郵局匯款
    公司轉賬
    售后服務(wù)
    售后政策
    價(jià)格保護
    退款說(shuō)明
    返修/退換貨
    取消訂單
    特色服務(wù)
    奪寶島
    DIY裝機
    延保服務(wù)
    京東E卡
    京東通信
    京東JD+
    亚洲精品乱码久久久97_国产伦子一区二区三区_久久99精品久久久欧美_天天看片永久av影城网页
  • <em id="pai5d"></em><sup id="pai5d"></sup>
    
    

    <small id="pai5d"><rp id="pai5d"></rp></small>
    <option id="pai5d"></option>

    
    
  • <sup id="pai5d"></sup>
    <em id="pai5d"><label id="pai5d"></label></em>

  • <s id="pai5d"></s>