數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘

定　價(jià)：￥19.00

作　者：	安淑芝等編著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	大學(xué)本科計(jì)算機(jī)專業(yè)應(yīng)用型規(guī)劃教材
標(biāo)　簽：	數(shù)據(jù)庫(kù)存儲(chǔ)與管理

購(gòu)買這本書(shū)可以去

ISBN：	9787302106883	出版時(shí)間：	2005-06-01	包裝：	膠版紙
開(kāi)本：	26cm	頁(yè)數(shù)：	206	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是一本介紹數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的圖書(shū)。全書(shū)力求深入淺出、通過(guò)淺顯易懂的語(yǔ)言及實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的基本概念及相關(guān)理論。從數(shù)據(jù)倉(cāng)庫(kù)的定義、結(jié)構(gòu)、設(shè)計(jì)、數(shù)據(jù)訪問(wèn)方法及應(yīng)用等方面對(duì)數(shù)據(jù)倉(cāng)庫(kù)做了較詳細(xì)的介紹。從數(shù)據(jù)挖掘的定義、數(shù)據(jù)預(yù)處理方法、數(shù)據(jù)挖掘發(fā)現(xiàn)知識(shí)的類型及數(shù)據(jù)挖掘常用算法等幾方面對(duì)數(shù)據(jù)挖掘的基本知識(shí)和算法等理論做了介紹。本書(shū)特別介紹了SQLServer2000數(shù)據(jù)挖掘工具應(yīng)用和SPSS數(shù)據(jù)挖掘工具應(yīng)用。最后，給出了一個(gè)數(shù)據(jù)挖掘的應(yīng)用實(shí)例。本書(shū)總的指導(dǎo)思想是在掌握基本知識(shí)和基本理論的基礎(chǔ)上，更強(qiáng)調(diào)實(shí)際應(yīng)用能力的培養(yǎng)。本書(shū)可作為普通高等院校計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)、軟件工程專業(yè)或信息類等其他相關(guān)專業(yè)的教材，也可作為有關(guān)數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘方面的培訓(xùn)教材，以及所有想學(xué)習(xí)數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘知識(shí)的人的自學(xué)用書(shū)。本書(shū)特色：本書(shū)本著“在掌握基本知識(shí)和基本理論的基礎(chǔ)上，強(qiáng)調(diào)實(shí)際應(yīng)用能力培養(yǎng)”的指導(dǎo)思想，在寫(xiě)作上力求體現(xiàn)如下特點(diǎn)：·采用盡可能淺顯易懂的語(yǔ)言，循序漸進(jìn)地表達(dá)知識(shí)內(nèi)容；·概念和具體的方法、工具相結(jié)合，使知識(shí)具體化，不枯燥；·盡可能結(jié)合應(yīng)用的實(shí)例，使理論和實(shí)際相結(jié)合，達(dá)到學(xué)以致用的效果。

作者簡(jiǎn)介

　　數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘前言數(shù)據(jù)挖掘是信息和數(shù)據(jù)深度處理的必然需要，也是體現(xiàn)信息價(jià)值的重要工具?，F(xiàn)在數(shù)據(jù)挖掘已經(jīng)成為計(jì)算機(jī)、信息系統(tǒng)等很多專業(yè)本科生的必修教學(xué)內(nèi)容，可見(jiàn)數(shù)據(jù)挖掘技術(shù)在當(dāng)今科學(xué)中的重要性以及應(yīng)用的廣泛。數(shù)據(jù)挖掘涉及比較多的數(shù)學(xué)基礎(chǔ)知識(shí)，如何深入淺出地將這些知識(shí)及其應(yīng)用方法介紹給學(xué)生是介紹數(shù)據(jù)挖掘的教材的關(guān)鍵。`為此，本書(shū)在寫(xiě)作上力求體現(xiàn)如下特點(diǎn)，其一是采用盡可能淺顯易懂的語(yǔ)言，循序漸進(jìn)地表達(dá)知識(shí)內(nèi)容；其二是概念和具體的方法、工具相結(jié)合，使知識(shí)具體化，不枯燥；其三是盡可能結(jié)合應(yīng)用的實(shí)例，使理論和實(shí)際相結(jié)合，達(dá)到學(xué)以致用的效果。本書(shū)共7章，可分為三個(gè)主要部分。第一部分：第1~4章為數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)，包括數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的基本概念和相關(guān)知識(shí)介紹；第二部分：第5、6章介紹了數(shù)據(jù)挖掘的算法和工具；第三部分：第7章是數(shù)據(jù)挖掘的實(shí)際應(yīng)用。通過(guò)一個(gè)用決策樹(shù)算法應(yīng)用于人力資源管理系統(tǒng)的實(shí)例說(shuō)明數(shù)據(jù)挖掘技術(shù)的具體應(yīng)用。讀者可以根據(jù)自己的需要選擇學(xué)習(xí)相關(guān)的內(nèi)容。本書(shū)可以作為計(jì)算機(jī)、信息類等專業(yè)本科生數(shù)據(jù)挖掘課程的教材，也可以作為其他專業(yè)學(xué)生的參考書(shū)。參加本書(shū)的編寫(xiě)人員還有張興會(huì)、鄭曉艷和劉玲。由于作者水平有限，歡迎讀者對(duì)于書(shū)中的不足給予指正。清華大學(xué)出版社的編輯在本書(shū)的編寫(xiě)和出版過(guò)程中給予了大力支持和幫助。本書(shū)作者對(duì)參考文獻(xiàn)中列出的以及未列出的所有文獻(xiàn)作者表示由衷的感謝。作者[]2005年3月目錄[]

圖書(shū)目錄

第1章緒論
　1.1 初識(shí)數(shù)據(jù)挖掘
　　1.1.1 數(shù)據(jù)挖掘的產(chǎn)生
　　1.1.2 數(shù)據(jù)挖掘的應(yīng)用價(jià)值
　　1.1.3 數(shù)據(jù)挖掘的發(fā)展過(guò)程
　　1.1.4 數(shù)據(jù)挖掘的定義
　1.2 初識(shí)數(shù)據(jù)倉(cāng)庫(kù)
　　1.2.1 數(shù)據(jù)倉(cāng)庫(kù)的產(chǎn)生
　　1.2.2 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用價(jià)值
　　1.2.3 數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展過(guò)程
　　1.2.4 數(shù)據(jù)倉(cāng)庫(kù)的定義
　　1.2.5 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的關(guān)系
　1.3 進(jìn)一步理解數(shù)據(jù)挖掘
　　1.3.1 數(shù)據(jù)挖掘的功能
　　1.3.2 數(shù)據(jù)挖掘常用技術(shù)
　　1.3.3 數(shù)據(jù)挖掘的過(guò)程
　1.4 數(shù)據(jù)挖掘應(yīng)用實(shí)例
　　1.4.1 應(yīng)用領(lǐng)域
　　1.4.2 典型案例
　1.5 數(shù)據(jù)挖掘的發(fā)展趨勢(shì)
　　1.5.1 數(shù)據(jù)挖掘研究方向
　　1.5.2 數(shù)據(jù)挖掘應(yīng)用的熱點(diǎn)
　小結(jié)
　習(xí)題
第2章數(shù)據(jù)倉(cāng)庫(kù)
　2.1 進(jìn)一步深入理解數(shù)據(jù)倉(cāng)庫(kù)的定義
　　2.1.1 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是面向主題的
　　2.1.2 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的
　　2.1.3 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是不可更新的
　　2.1.4 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是隨時(shí)間不斷變化的
　2.2 數(shù)據(jù)倉(cāng)庫(kù)的結(jié)構(gòu)
　　2.2.1 元數(shù)據(jù)
　　2.2.2 粒度的概念
　　2.2.3 分割問(wèn)題
　　2.2.4 數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織形式
　2.3 數(shù)據(jù)倉(cāng)庫(kù)的說(shuō)明——標(biāo)準(zhǔn)手冊(cè)
　2.4 數(shù)據(jù)倉(cāng)庫(kù)的清理
　2.5 數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的設(shè)計(jì)
　　2.5.1 數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)設(shè)計(jì)方法
　　2.5.2 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的三級(jí)數(shù)據(jù)模型
　　2.5.3 提高數(shù)據(jù)倉(cāng)庫(kù)的性能
　　2.5.4 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)步驟
　2.6 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)的訪問(wèn)
　　2.6.1 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)的直接訪問(wèn)
　　2.6.2 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)的間接訪問(wèn)
　2.7 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用
　　2.7.1數(shù)據(jù)倉(cāng)庫(kù)的主要應(yīng)用領(lǐng)域
　　2.7.2數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例
　小結(jié)
　習(xí)題
第3章數(shù)據(jù)預(yù)處理
　3.1 數(shù)據(jù)預(yù)處理的目的
　　3.1.1 原始數(shù)據(jù)中存在的問(wèn)題
　　3.1.2 數(shù)據(jù)預(yù)處理的方法和功能
　3.2 數(shù)據(jù)清理
　　3.2.1 處理空缺值
　　3.2.2 噪聲數(shù)據(jù)的處理
　3.3 數(shù)據(jù)集成和變換
　　3.3.1 數(shù)據(jù)集成
　　3.3.2 數(shù)據(jù)變換
　3.4 數(shù)據(jù)歸約
　　3.4.1 數(shù)據(jù)歸約的方法
　　3.4.2 數(shù)據(jù)立方體聚集
　　3.4.3 維歸約
　　3.4.4 數(shù)據(jù)壓縮
　　3.4.5 數(shù)值歸約
　　3.4.6 離散化與概念分層生成
　小結(jié)
　習(xí)題
第4章數(shù)據(jù)挖掘發(fā)現(xiàn)知識(shí)的類型
　4.1 廣義知識(shí)
　　4.1.1 廣義知識(shí)的概念
　　4.1.2 廣義知識(shí)的發(fā)現(xiàn)方法
　4.2 關(guān)聯(lián)知識(shí)
　　4.2.1 關(guān)聯(lián)知識(shí)的概念
　　4.2.2 關(guān)聯(lián)知識(shí)的發(fā)現(xiàn)方法
　　4.2.3 關(guān)聯(lián)規(guī)則應(yīng)用實(shí)例
　4.3 分類知識(shí)
　　4.3.1 分類知識(shí)的概念
　　4.3.2 分類知識(shí)的發(fā)現(xiàn)方法
　　4.3.3 分類知識(shí)應(yīng)用實(shí)例
　4.4 預(yù)測(cè)型知識(shí)
　　4.4.1 預(yù)測(cè)型知識(shí)的概念
　　4.4.2 預(yù)測(cè)型知識(shí)的發(fā)現(xiàn)方法
　　4.4.3 預(yù)測(cè)型知識(shí)應(yīng)用實(shí)例
　4.5 偏差型知識(shí)
　　4.5.1 偏差型知識(shí)的概念
　　4.5.2 偏差型知識(shí)的發(fā)現(xiàn)方法
　小結(jié)
　習(xí)題
第5章數(shù)據(jù)挖掘中常用算法
　5.1 神經(jīng)網(wǎng)絡(luò)算法
　　5.1.1 神經(jīng)網(wǎng)絡(luò)的概念
　　5.1.2 神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)模型
　　5.1.3 定義神經(jīng)網(wǎng)絡(luò)拓?fù)?br />　　5.1.4 基于神經(jīng)網(wǎng)絡(luò)的算法
　5.2 使用候選項(xiàng)集找頻繁項(xiàng)集（Apriori）算法
　　5.2.1 關(guān)聯(lián)規(guī)則的分類
　　5.2.2 Apriori算法
　　5.2.3 從頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則
　5.3 決策樹(shù)算法
　　5.3.1 信息論的基本原理
　　5.3.2 ID3算法
　　5.3.3 樹(shù)剪枝
　　5.3.4 由決策樹(shù)提取分類規(guī)則
　5.4 聚類分析
　　5.4.1 聚類分析的概念
　　5.4.2 聚類分析中的數(shù)據(jù)類型
　　5.4.3 幾種主要的聚類分析方法
　　5.4.4 聚類分析算法
　小結(jié)
　習(xí)題
第6章數(shù)據(jù)挖掘的工具及其應(yīng)用
　6.1 SQL Server 2000數(shù)據(jù)挖掘工具應(yīng)用
　　6.1.1 安裝要求
　　6.1.2 安裝過(guò)程
　　6.1.3 Analysis Services功能介紹
　　6.1.4 Analysis Services的優(yōu)點(diǎn)
　　6.1.5 創(chuàng)建數(shù)據(jù)挖掘模型
　　6.1.6 查看和分析挖掘結(jié)果
　　6.1.7 聚類模型
　6.2 SPSS數(shù)據(jù)挖掘工具應(yīng)用
　　6.2.1 安裝SPSS Clementine
　　6.2.2 SPSS Clementine 8.0工作環(huán)境介紹
　　6.2.3 Clementine應(yīng)用的結(jié)構(gòu)
　　6.2.4 Clementine的使用
　　6.2.5 挖掘模型的建立和執(zhí)行
　小結(jié)
　習(xí)題
第7章數(shù)據(jù)挖掘應(yīng)用實(shí)例
　7.1 實(shí)例背景
　7.2 決策樹(shù)算法
　　7.2.1 數(shù)據(jù)挖掘中的分類算法
　　7.2.2 決策樹(shù)的概念
　7.3 實(shí)例開(kāi)發(fā)
　　7.3.1 實(shí)例開(kāi)發(fā)前的準(zhǔn)備
　　7.3.2 實(shí)例的系統(tǒng)結(jié)構(gòu)
　　7.3.3 決策樹(shù)算法模塊
　　7.3.4 算法的程序?qū)崿F(xiàn)
　7.4 核心源程序
　小結(jié)
參考文獻(xiàn)