商务智能方法与应用

第Ⅰ部分 商务智能概念及过程第1章 导言1.1 商务智能的基本概念1.1.1 数据1.1.2 信息和知识1.2 商务智能的系统构成1.3 商务智能的发展历史练习题1第2章 商务智能过程2.1 商务智能系统的开发方法2.1.1 商务智能系统的开发过程2.1.2 商务智能系统成功的关键因素2.2 数据库与数据仓库2.3 在线分析处理与在线事务处理2.4 商务智能与决策支持系统练习题2 第Ⅱ部分 商务智能方法第3章 关联分析3.1 频繁模式与关联规则3.2 频繁项集的典型挖掘方法3.2.1 逐层发现算法Apriori3.2.2 无候选集发现算法FP-growth3.3 关联规则的生成方法3.4 关联规则的其他类型3.4.1 多层次关联规则3.4.2 负模式3.4.3 结构化数据中的关联分析3.5 关联规则的兴趣度的其他度量练习题3第4章 分类4.1 分类的概念4.2 决策树分类方法4.2.1 决策树的构建过程4.2.2 属性的类型及分裂条件4.2.3 决策树的剪枝4.3 朴素贝叶斯分类4.4 k近邻分类4.5 分类性能的度量方法4.5.1 测试数据集的构造4.5.2 分类性能的度量指标4.5.3 不同分类模型的比较练习题4第5章 数值预测5.1 数值预测的概念5.2 回归方法5.2.1 一元线性回归5.2.2 多元线性回归5.2.3 非线性回归5.3 回归树与模型树5.3.1 模型树的构建5.3.2 模型树的剪枝5.3.3 算法5.4 k近邻数值预测5.5 预测误差的度量练习题5第6章 聚类分析6.1 概述6.1.1 聚类的概念6.1.2 聚类方法分类6.2 相似度衡量方法6.2.1 数据类型6.2.2 基于内容的相似度衡量6.2.3 基于链接的相似度衡量6.3 k均值聚类法6.4 层次聚类方法6.5 DBSCAN方法6.6 聚类效果衡量方法练习题6 第Ⅲ部分 基础技术第7章 数据预处理7.1 数据预处理的原因和任务7.2 数据规范化7.3 数据离散化7.3.1 分箱离散化7.3.2 基于熵的离散化7.3.3 离散化方法ChiMerge7.4 数据清洗7.5 特征提取与特征选择7.5.1 特征选择7.5.2 特征提取练习题7第8章 数据仓库8.1 数据仓库的基本概念8.2 数据仓库的体系结构8.3 多维数据模型8.3.1 多维数据模型的概念8.3.2 多维数据模型的构建方法8.4 数据仓库项目的开发8.4.1 数据仓库的开发模式8.4.2 数据仓库开发过程练习题8第9章 在线分析处理9.1 在线分析处理简介 9.2 多维数据模型中的层次设计9.3 立方体的定义和计算9.4 OLAP的多维数据分析练习题9第10章 商务智能可视化10.1 商务智能可视化的类型10.2 数据可视化10.3 过程和结果可视化10.4 积分卡和仪表盘练习题10 第Ⅳ部分 应用与系统第11章 商务智能应用11.1 商务智能应用领域11.1.1 关系营销11.1.2 生产管理11.2 推荐系统11.2.1 基于用户的协同过滤11.2.2 基于产品的协同过滤11.2.3 基于内容的推荐方法11.3 意见挖掘11.3.1 特征和意见的抽取11.3.2 意见极性判断练习题11第12章 商务智能系统12.1 开源数据挖掘软件12.1.1 概述12.1.2 Weka12.2 商品化的商务智能系统练习题12 第Ⅴ部分 深度应用与发展第13章 复杂数据的商务智能分析方法13.1 序列模式挖掘13.1.1 序列模式的定义13.1.2 序列模式挖掘算法13.2 社会网络分析13.2.1 中心度分析13.2.2 链接分析13.3 数据流数据挖掘13.4 多关系数据挖掘练习题13第14章 商务智能的社会影响与发展14.1 商务智能中的隐私保护14.2 移动商务智能14.3 云商务智能练习题14参考文献 显示全部信息