简介
《SQL Server 2008 R2:数据挖掘与商业智能基础及高级案例实战》全面介绍了数据挖掘与商业智能的基本概念与原理，包括经典理论与趋势发展，并深入叙述了各种数据挖掘的技术与典型应用。通过《SQL Server 2008 R2:数据挖掘与商业智能基础及高级案例实战》的学习，读者可以对数据挖掘与商业智能的整体结构、概念、原理、技术和发展有深入的了解和认识。《SQL Server 2008 R2:数据挖掘与商业智能基础及高级案例实战》以microsoft sql server 2008的数据挖掘模块进行介绍，让读者可以很快地通过书中的说明与范例，在最短的时间内就能上手。
《SQL Server 2008 R2:数据挖掘与商业智能基础及高级案例实战》分为四个部分：第一部分介绍数据仓库、数据挖掘与商业智能之间的关系。第二部分对microsoft sql server的整体架构加以介绍，并详细阐述了直接与数据挖掘相关的两个服务：分析服务和报表服务。第三部分逐一阐述了microsoft sql server中包含的九种数据挖掘模型。第四部分提供了四个数据挖掘的范例，通过模仿练习，读者可获得实际的数据挖掘经验，稍加修改就能在自己所处的领域中加以应用。
目录
《sql server 2008 r2数据挖掘出商业智能基础及高级案例实战》
推荐序
前言
part i 数据仓库、数据挖掘与商业智能
chapter 1 绪论 2
1-1 商业智能 3
1-2 数据挖掘 7
chapter 2 数据仓库 9
2-1 数据仓库定义 10
2-2 数据仓库特性 10
2-3 数据仓库架构 11
2-4 创建数据仓库的目的 12
2-5 数据仓库的运用 14
2-6 数据仓库的管理 14
chapter 3 数据挖掘简介 16
3-1 数据挖掘的定义 17
3-2 数据挖掘的重要性 17
3-3 数据挖掘的功能 17
3-4 数据挖掘的步骤 18
3-5 数据挖掘建模的标准crisp-dm 19
.3-6 数据挖掘的应用 21
3-7 数据挖掘软件介绍 22
chapter 4 数据挖掘的主要方法 24
4-1 回归分析 25
4-2 关联规则 27
4-3 聚类分析 27
4-4 判别分析 29
4-5 神经网络 29
4-6 决策树 31
4-7 其他分析方法 32
chapter 5 数据挖掘与相关领域的关系 34
5-1 数据挖掘与统计分析 35
5-2 数据挖掘与数据仓库 35
5-3 数据挖掘与kdd 36
5-4 数据挖掘与olap 37
5-5 数据挖掘与机器学习 37
5-6 数据挖掘与web数据挖掘 38
part ii microsoft sql server概述
chapter 6 microsoft sql server中的商业智能 40
6-1 microsoft sql server入门 41
6-2 关系数据仓库 41
6-3 sql server 2008 r2概述 42
6-4 sql server 2008 r2技术 43
6-5 sql server 2008 r2新增功能 45
chapter 7 microsoft sql server中的数据挖掘功能 46
7-1 创建商业智能应用程序 47
7-2 microsoft sql server数据挖掘功能的优势 48
7-3 microsoft sql server数据挖掘算法 50
7-4 microsoft sql server可扩展性 51
7-5 microsoft sql server是数据挖掘与商业智能的结合 51
7-6 使用数据挖掘可以解决的问题 52
chapter 8 microsoft sql server的分析服务（analysis services） 56
8-1 创建多维数据集的结构 57
8-2 建立和部署多维数据集 58
8-3 从模板创建自定义的数据库 58
8-4 统一维度模型 59
8-5 基于属性的维度 59
8-6 维度类型 60
8-7 量度组和数据视图 61
8-8 计算效率 62
8-9 mdx脚本 62
8-10 存储过程 63
8-11 关键绩效指标（kpi） 64
8-12 实时商业智能 64
chapter 9 microsoft sql server的报表服务（reporting services） 66
9-1 为何使用报表服务 67
9-2 报表服务的功能 67
chapter 10 microsoft sql server的整合服务 71
10-1 ssis介绍 72
10-2 操作示例 79
chapter 11 microsoft sql server的dmx语言 100
11-1 dmx语言介绍 101
11-2 dmx函数 102
11-3 dmx语法 107
11-4 dmx操作实例 115
part iii microsoft sql server中的数据挖掘模型
chapter 12 决策树模型 122
12-1 基本概念 123
12-2 决策树与判别函数 123
12-3 计算方法 124
12-4 操作范例 126
chapter 13 贝叶斯分类器 134
13-1 基本概念 135
13-2 操作范例 137
chapter 14 关联规则 147
14-1 基本概念 148
14-2 关联规则的种类 149
14-3 关联规则的算法：apriori算法 149
14-4 操作范例 150
chapter 15 聚类分析 160
15-1 基本概念 161
15-2 层级聚类法与动态聚类法 161
15-3 操作范例 166
chapter 16 时序聚类 176
16-1 基本概念 177
16-2 主要算法 177
16-3 操作示例 179
chapter 17 线性回归模型 187
17-1 基本概念 188
17-2 一元回归模型 189
17-3 多元回归模型 192
17-4 操作范例 195
chapter 18 逻辑回归模型 203
18-1 基本概念 204
18-2 logit变换与logistic分布 204
18-3 逻辑回归模型 206
18-4 操作范例 207
chapter 19 人工神经网络模型 215
19-1 基本概念 216
19-2 神经网络模型的特点 217
19-3 神经网络模型的优劣比较 218
19-4 操作范例 220
chapter 20 时序模型 228
20-1 基本概念 229
20-2 时序的构成 231
20-3 简单时序的预测 237
20-4 包含趋势与季节成份的时序预测 238
20-5 参数化的时序预测模型 240
20-6 操作范例 243
part iv microsoft sql server数据挖掘应用实例
chapter 21 决策树模型实例 253
chapter 22 逻辑回归模型实例 260
22-1 回归模型实例一 261
22-2 回归模型实例二 266
22-3 回归模型实例三 270
chapter 23 神经网络模型实例 275
23-1 神经网络模型实例一 276
23-2 神经网络模型实例二 281
chapter 24 时序模型实例 292
24-1 时序模型实例一 293
24-2 时序模型实例二 297
chapter 25 如何评估数据挖掘模型 303
25-1 评估图节点介绍 evaluation chart node 304
25-2 在sql server中如何评估模型 307
25-3 规则度量：支持度与可信度 311
推荐序
前言
part i 数据仓库、数据挖掘与商业智能
chapter 1 绪论 2
1-1 商业智能 3
1-2 数据挖掘 7
chapter 2 数据仓库 9
2-1 数据仓库定义 10
2-2 数据仓库特性 10
2-3 数据仓库架构 11
2-4 创建数据仓库的目的 12
2-5 数据仓库的运用 14
2-6 数据仓库的管理 14
chapter 3 数据挖掘简介 16
3-1 数据挖掘的定义 17
3-2 数据挖掘的重要性 17
3-3 数据挖掘的功能 17
3-4 数据挖掘的步骤 18
3-5 数据挖掘建模的标准crisp-dm 19
.3-6 数据挖掘的应用 21
3-7 数据挖掘软件介绍 22
chapter 4 数据挖掘的主要方法 24
4-1 回归分析 25
4-2 关联规则 27
4-3 聚类分析 27
4-4 判别分析 29
4-5 神经网络 29
4-6 决策树 31
4-7 其他分析方法 32
chapter 5 数据挖掘与相关领域的关系 34
5-1 数据挖掘与统计分析 35
5-2 数据挖掘与数据仓库 35
5-3 数据挖掘与kdd 36
5-4 数据挖掘与olap 37
5-5 数据挖掘与机器学习 37
5-6 数据挖掘与web数据挖掘 38
part ii microsoft sql server概述
chapter 6 microsoft sql server中的商业智能 40
6-1 microsoft sql server入门 41
6-2 关系数据仓库 41
6-3 sql server 2008 r2概述 42
6-4 sql server 2008 r2技术 43
6-5 sql server 2008 r2新增功能 45
chapter 7 microsoft sql server中的数据挖掘功能 46
7-1 创建商业智能应用程序 47
7-2 microsoft sql server数据挖掘功能的优势 48
7-3 microsoft sql server数据挖掘算法 50
7-4 microsoft sql server可扩展性 51
7-5 microsoft sql server是数据挖掘与商业智能的结合 51
7-6 使用数据挖掘可以解决的问题 52
chapter 8 microsoft sql server的分析服务（analysis services） 56
8-1 创建多维数据集的结构 57
8-2 建立和部署多维数据集 58
8-3 从模板创建自定义的数据库 58
8-4 统一维度模型 59
8-5 基于属性的维度 59
8-6 维度类型 60
8-7 量度组和数据视图 61
8-8 计算效率 62
8-9 mdx脚本 62
8-10 存储过程 63
8-11 关键绩效指标（kpi） 64
8-12 实时商业智能 64
chapter 9 microsoft sql server的报表服务（reporting services） 66
9-1 为何使用报表服务 67
9-2 报表服务的功能 67
chapter 10 microsoft sql server的整合服务 71
10-1 ssis介绍 72
10-2 操作示例 79
chapter 11 microsoft sql server的dmx语言 100
11-1 dmx语言介绍 101
11-2 dmx函数 102
11-3 dmx语法 107
11-4 dmx操作实例 115
part iii microsoft sql server中的数据挖掘模型
chapter 12 决策树模型 122
12-1 基本概念 123
12-2 决策树与判别函数 123
12-3 计算方法 124
12-4 操作范例 126
chapter 13 贝叶斯分类器 134
13-1 基本概念 135
13-2 操作范例 137
chapter 14 关联规则 147
14-1 基本概念 148
14-2 关联规则的种类 149
14-3 关联规则的算法：apriori算法 149
14-4 操作范例 150
chapter 15 聚类分析 160
15-1 基本概念 161
15-2 层级聚类法与动态聚类法 161
15-3 操作范例 166
chapter 16 时序聚类 176
16-1 基本概念 177
16-2 主要算法 177
16-3 操作示例 179
chapter 17 线性回归模型 187
17-1 基本概念 188
17-2 一元回归模型 189
17-3 多元回归模型 192
17-4 操作范例 195
chapter 18 逻辑回归模型 203
18-1 基本概念 204
18-2 logit变换与logistic分布 204
18-3 逻辑回归模型 206
18-4 操作范例 207
chapter 19 人工神经网络模型 215
19-1 基本概念 216
19-2 神经网络模型的特点 217
19-3 神经网络模型的优劣比较 218
19-4 操作范例 220
chapter 20 时序模型 228
20-1 基本概念 229
20-2 时序的构成 231
20-3 简单时序的预测 237
20-4 包含趋势与季节成份的时序预测 238
20-5 参数化的时序预测模型 240
20-6 操作范例 243
part iv microsoft sql server数据挖掘应用实例
chapter 21 决策树模型实例 253
chapter 22 逻辑回归模型实例 260
22-1 回归模型实例一 261
22-2 回归模型实例二 266
22-3 回归模型实例三 270
chapter 23 神经网络模型实例 275
23-1 神经网络模型实例一 276
23-2 神经网络模型实例二 281
chapter 24 时序模型实例 292
24-1 时序模型实例一 293
24-2 时序模型实例二 297
chapter 25 如何评估数据挖掘模型 303
25-1 评估图节点介绍 evaluation chart node 304
25-2 在sql server中如何评估模型 307
25-3 规则度量：支持度与可信度 311
SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
