中國高等院校信息系統學(xué)科課程體系（CIS2011）規劃教材：商務(wù)智能方法與應用簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:　　商務(wù)智能是從大量數據中發(fā)現隱含的知識，輔助管理人員做出科學(xué)決策的方法、系統和應用?！吨袊叩仍盒Ｐ畔⑾到y學(xué)科課程體系（CIS2011）規劃教材：商務(wù)智能方法與應用》主要介紹商務(wù)智能的基本概念、主要功能、系統架構，以及數據分析和數據管理的主要方法和技術(shù)。全書(shū)內容分為5個(gè)部分，分別介紹了數據倉庫、在線(xiàn)分析處理以及數據挖掘的建模、分析和評價(jià)方法，涵蓋多維數據模型的建模、多維分析方法以及各種知識發(fā)現方法（包括關(guān)聯(lián)分析、分類(lèi)、聚類(lèi)、數值預測、序列模式挖掘、社會(huì )網(wǎng)絡(luò )分析、數據流數據挖掘、多關(guān)系數據挖掘以及協(xié)同過(guò)濾和意見(jiàn)挖掘等）；通過(guò)案例介紹了商務(wù)智能系統的應用；還介紹了常用軟件系統及其使用方法，并對商務(wù)智能對社會(huì )的影響和未來(lái)發(fā)展進(jìn)行了分析和展望。
　　《中國高等院校信息系統學(xué)科課程體系（CIS2011）規劃教材：商務(wù)智能方法與應用》內容具體、新穎、豐富、易于理解，反映了商務(wù)智能的最新發(fā)展趨勢，適合作為信息管理、計算機應用、電子商務(wù)以及管理專(zhuān)業(yè)本科生和碩士生的教材，也可以作為數據分析人員的參考資料。

作者簡(jiǎn)介:

目錄:第Ⅰ部分 商務(wù)智能概念及過(guò)程
第1章 導言
1.1 商務(wù)智能的基本概念
1.1.1 數據
1.1.2 信息和知識
1.2 商務(wù)智能的系統構成
1.3 商務(wù)智能的發(fā)展歷史
練習題1
第2章 商務(wù)智能過(guò)程
2.1 商務(wù)智能系統的開(kāi)發(fā)方法
2.1.1 商務(wù)智能系統的開(kāi)發(fā)過(guò)程
2.1.2 商務(wù)智能系統成功的關(guān)鍵因素
2.2 數據庫與數據倉庫
2.3 在線(xiàn)分析處理與在線(xiàn)事務(wù)處理
2.4 商務(wù)智能與決策支持系統
練習題2

第Ⅱ部分 商務(wù)智能方法
第3章 關(guān)聯(lián)分析
3.1 頻繁模式與關(guān)聯(lián)規則
3.2 頻繁項集的典型挖掘方法
3.2.1 逐層發(fā)現算法Apriori
3.2.2 無(wú)候選集發(fā)現算法FP-growth
3.3 關(guān)聯(lián)規則的生成方法
3.4 關(guān)聯(lián)規則的其他類(lèi)型
3.4.1 多層次關(guān)聯(lián)規則
3.4.2 負模式
3.4.3 結構化數據中的關(guān)聯(lián)分析
3.5 關(guān)聯(lián)規則的興趣度的其他度量
練習題3
第4章 分類(lèi)
4.1 分類(lèi)的概念
4.2 決策樹(shù)分類(lèi)方法
4.2.1 決策樹(shù)的構建過(guò)程
4.2.2 屬性的類(lèi)型及分裂條件
4.2.3 決策樹(shù)的剪枝
4.3 樸素貝葉斯分類(lèi)
4.4 k近鄰分類(lèi)
4.5 分類(lèi)性能的度量方法
4.5.1 測試數據集的構造
4.5.2 分類(lèi)性能的度量指標
4.5.3 不同分類(lèi)模型的比較
練習題4
第5章 數值預測
5.1 數值預測的概念
5.2 回歸方法
5.2.1 一元線(xiàn)性回歸
5.2.2 多元線(xiàn)性回歸
5.2.3 非線(xiàn)性回歸
5.3 回歸樹(shù)與模型樹(shù)
5.3.1 模型樹(shù)的構建
5.3.2 模型樹(shù)的剪枝
5.3.3 算法
5.4 k近鄰數值預測
5.5 預測誤差的度量
練習題5
第6章 聚類(lèi)分析
6.1 概述
6.1.1 聚類(lèi)的概念
6.1.2 聚類(lèi)方法分類(lèi)
6.2 相似度衡量方法
6.2.1 數據類(lèi)型
6.2.2 基于內容的相似度衡量
6.2.3 基于鏈接的相似度衡量
6.3 k均值聚類(lèi)法
6.4 層次聚類(lèi)方法
6.5 DBSCAN方法
6.6 聚類(lèi)效果衡量方法
練習題6

第Ⅲ部分 基礎技術(shù)
第7章 數據預處理
7.1 數據預處理的原因和任務(wù)
7.2 數據規范化
7.3 數據離散化
7.3.1 分箱離散化
7.3.2 基于熵的離散化
7.3.3 離散化方法ChiMerge
7.4 數據清洗
7.5 特征提取與特征選擇
7.5.1 特征選擇
7.5.2 特征提取
練習題7
第8章 數據倉庫
8.1 數據倉庫的基本概念
8.2 數據倉庫的體系結構
8.3 多維數據模型
8.3.1 多維數據模型的概念
8.3.2 多維數據模型的構建方法
8.4 數據倉庫項目的開(kāi)發(fā)
8.4.1 數據倉庫的開(kāi)發(fā)模式
8.4.2 數據倉庫開(kāi)發(fā)過(guò)程
練習題8
第9章 在線(xiàn)分析處理
9.1 在線(xiàn)分析處理簡(jiǎn)介 
9.2 多維數據模型中的層次設計
9.3 立方體的定義和計算
9.4 OLAP的多維數據分析
練習題9
第10章 商務(wù)智能可視化
10.1 商務(wù)智能可視化的類(lèi)型
10.2 數據可視化
10.3 過(guò)程和結果可視化
10.4 積分卡和儀表盤(pán)
練習題10

第Ⅳ部分 應用與系統
第11章 商務(wù)智能應用
11.1 商務(wù)智能應用領(lǐng)域
11.1.1 關(guān)系營(yíng)銷(xiāo)
11.1.2 生產(chǎn)管理
11.2 推薦系統
11.2.1 基于用戶(hù)的協(xié)同過(guò)濾
11.2.2 基于產(chǎn)品的協(xié)同過(guò)濾
11.2.3 基于內容的推薦方法
11.3 意見(jiàn)挖掘
11.3.1 特征和意見(jiàn)的抽取
11.3.2 意見(jiàn)極性判斷
練習題11
第12章 商務(wù)智能系統
12.1 開(kāi)源數據挖掘軟件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商務(wù)智能系統
練習題12

第Ⅴ部分 深度應用與發(fā)展
第13章 復雜數據的商務(wù)智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定義
13.1.2 序列模式挖掘算法
13.2 社會(huì )網(wǎng)絡(luò )分析
13.2.1 中心度分析
13.2.2 鏈接分析
13.3 數據流數據挖掘
13.4 多關(guān)系數據挖掘
練習題13
第14章 商務(wù)智能的社會(huì )影響與發(fā)展
14.1 商務(wù)智能中的隱私保護
14.2 移動(dòng)商務(wù)智能
14.3 云商務(wù)智能
練習題14
參考文獻