江风网

txt_epub_Kindle_azw3_mobi_pdf电子书免费下载

数据挖掘:实用案例分析

作者: 张良均
出版时间: 2013-01-01
发布时间: 2020-11-06
阅读热度: 8
综合评分: 6
下载支持: TXT EPUB MOBI AZW3 PDF
在线阅读: 手机阅读 电脑阅读
《数据挖掘:实用案例分析》内容简介

《数据挖掘:实用案例分析》是数据挖掘实战领域颇具特色的一部作品,作者曾为10余个行业上百家大型企业提供数据挖掘服务,本书是其在数据挖掘领域探索近10年的经验总结之作。全书以实践和实用为宗旨,深度与广度兼顾,实践与理论并举。《数据挖掘:实用案例分析》共12章,分三个部分。第一部分是基础篇(第1~4章),主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍,并对本书所用到的数据挖掘建模平台TipDM进行了说明。第二部分是实战篇(第5~10章),以案例的形式对数据挖掘技术在金融、电信、电力、互联网、生产制造以及公共服务等行业的应用场景进行了讨论;首先介绍案例背景,然后阐述分析方法与过程,最后完成模型构建;在介绍建模过程的同时穿插操作训练,把相关的知识点嵌入相应的操作过程中;此外,第10章精心设计了6个实验项目,读者可以通过本章介绍的方法动手实践,以巩固数据挖掘知识,在分析建模过程的同时,进一步增强动手能力。第三部分是高级篇(第11~12章),主要介绍基于第三方接口的数据挖掘二次开发技术,重点对常用的WEKA和MATLAB数据挖掘算法接口进行了探讨;最后对基于Hadoop框架的海量数据挖掘进行了说明,以满足读者更高层次的需求。随书光盘中提供了本书的相关资料和案例资源,以及6个动手实验所使用的完整数据,方便读者动手实践书中所讲解的案例。张良均,资深数据挖掘专家和模式识别专家,有近10年的数据挖掘应用与咨询经验,8年多的数据仓库系统管理与实施经验,超过10年的系统开发与设计经验。为电信、电力、零售、农业、银行、电力、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务,实践经验非常丰富。此外,他精通Java EE企业级应用开发,是广东工业大学和华南师范大学客座教授,著有《神经网络实用教程》一书。

《数据挖掘:实用案例分析》章节目录
  • 数据挖掘:实用案例分析
  • 前言
  • 为什么要写这本书
  • 读者对象
  • 如何阅读本书
  • 勘误和支持
  • 致谢
  • 第一部分 基础篇
  • 第1章 初识数据挖掘
  • 1.1 什么是数据挖掘
  • 1.2 数据挖掘在企业商务智能应用中的定位
  • 1.2.1 数据挖掘给企业带来最大的投资收益
  • 1.2.2 数据挖掘从本质上提升商务智能平台的价值
  • 1.2.3 数据挖掘让商务智能流程真正形成闭环
  • 1.3 信息类BI应用与知识类BI应用
  • 1.4 数据挖掘现状及应用前景
  • 1.5 本章小结
  • 第2章 数据挖掘的应用分类
  • 2.1 分类与回归
  • 2.1.1 分类与回归建模原理
  • 2.1.2 分类与回归算法
  • 2.2 聚类
  • 2.2.1 聚类分析建模原理
  • 2.2.2 聚类算法
  • 2.3 关联规则
  • 2.3.1 什么是关联规则
  • 2.3.2 关联规则算法
  • 2.4 时序模式
  • 2.4.1 什么是时序模式
  • 2.4.2 时间序列的组合成分
  • 2.4.3 时间序列的组合模型
  • 2.4.4 时序算法
  • 2.5 偏差检测
  • 2.6 本章小结
  • 第3章 数据挖掘建模
  • 3.1 数据挖掘的过程
  • 3.2 数据挖掘建模过程
  • 3.2.1 定义挖掘目标
  • 3.2.2 数据取样
  • 3.2.3 数据探索
  • 3.2.4 预处理
  • 3.2.5 模式发现
  • 3.2.6 模型构建
  • 3.2.7 模型评价
  • 3.3 常用的建模工具
  • 3.4 本章小结
  • 第4章 顶尖数据挖掘平台TipDM
  • 4.1 TipDM产品功能
  • 4.1.1 TipDM平台提供的数据探索及预处理算法
  • 4.1.2 TipDM平台提供的分类与回归算法
  • 4.1.3 TipDM平台提供的时序模式算法
  • 4.1.4 TipDM平台提供的聚类分析算法
  • 4.1.5 TipDM平台提供的关联规则算法
  • 4.2 TipDM使用说明
  • 4.3 TipDM产品特点
  • 4.3.1 支持CRISP-DM数据挖掘标准流程
  • 4.3.2 提供丰富的数据挖掘模型和灵活算法
  • 4.3.3 具有多模型的整合能力
  • 4.3.4 提供灵活多样的应用开发接口
  • 4.3.5 海量数据的处理能力
  • 4.3.6 适应不同类型层次人员需求
  • 4.4 本章小结
  • 第二部分 实战篇
  • 第5章 数据挖掘在金融电信行业的应用
  • 5.1 案例一:基于公司价值评价的证券策略投资
  • 5.1.1 挖掘目标的提出
  • 5.1.2 分析方法与过程
  • 5.1.3 建模仿真
  • 5.1.4 核心知识点
  • 5.1.5 拓展思考
  • 5.2 案例二:电信3G客户识别系统
  • 5.2.1 挖掘目标的提出
  • 5.2.2 分析方法与过程
  • 5.2.3 建模仿真
  • 5.2.4 核心知识点
  • 5.2.5 拓展思考
  • 5.3 案例三:基于客户分群的精准智能营销
  • 5.3.1 挖掘目标的提出
  • 5.3.2 分析方法与过程
  • 5.3.3 建模仿真
  • 5.3.4 核心知识点
  • 5.3.5 拓展思考
  • 5.4 本章小结
  • 第6章 数据挖掘在电力行业的应用
  • 6.1 案例一:电力负荷预测
  • 6.1.1 挖掘目标的提出
  • 6.1.2 分析方法与过程
  • 6.1.3 建模仿真
  • 6.1.4 核心知识点
  • 6.1.5 拓展思考
  • 6.2 案例二:自适应防窃漏电实时诊断
  • 6.2.1 挖掘目标的提出
  • 6.2.2 分析方法与过程
  • 6.2.3 建模仿真
  • 6.2.4 核心知识点
  • 6.2.5 扩展思考
  • 6.3 本章小结
  • 第7章 数据挖掘在互联网行业的应用
  • 7.1 案例一:商业零售行业中的购物篮分析
  • 7.1.1 挖掘目标的提出
  • 7.1.2 分析方法与过程
  • 7.1.3 建模仿真
  • 7.1.4 核心知识点
  • 7.1.5 拓展思考
  • 7.2 案例二:电子商务网站用户行为分析
  • 7.2.1 挖掘目标的提出
  • 7.2.2 分析方法与过程
  • 7.2.3 建模仿真
  • 7.2.4 核心知识点
  • 7.2.5 拓展思考
  • 7.3 案例三:网络入侵智能检测
  • 7.3.1 挖掘目标的提出
  • 7.3.2 分析方法与过程
  • 7.3.3 建模仿真
  • 7.3.4 核心知识点
  • 7.3.5 拓展思考
  • 7.4 案例四:基于用户行为分析的定向网络广告投放
  • 7.4.1 挖掘目标的提出
  • 7.4.2 分析方法与过程
  • 7.4.3 建模仿真
  • 7.4.4 结果及分析
  • 7.4.5 核心知识点
  • 7.4.6 拓展思考
  • 7.5 案例五:企业信息系统用户服务感知评价
  • 7.5.1 挖掘目标的提出
  • 7.5.2 分析方法与过程
  • 7.5.3 建模仿真
  • 7.5.4 核心知识点
  • 7.5.5 拓展思考
  • 7.6 本章小结
  • 第8章 数据挖掘在生产制造行业中的应用
  • 8.1 案例一:基于小波变换的桩基完整性检测
  • 8.1.1 挖掘目标的提出
  • 8.1.2 分析方法与过程
  • 8.1.3 仿真过程
  • 8.1.4 核心知识点
  • 8.1.5 拓展思考
  • 8.2 案例二:基于水色图像的水质评价
  • 8.2.1 挖掘目标的提出
  • 8.2.2 分析方法与过程
  • 8.2.3 建模仿真
  • 8.2.4 核心知识点
  • 8.2.5 拓展思考
  • 8.3 案例三:生物质废物混合厌氧消化优势组分互补机制
  • 8.3.1 挖掘目标的提出
  • 8.3.2 分析方法与过程
  • 8.3.3 建模仿真
  • 8.3.4 核心知识点
  • 8.3.5 拓展思考
  • 8.4 案例四:基于RFM的企业客户关系分析
  • 8.4.1 挖掘目标的提出
  • 8.4.2 分析过程与方法
  • 8.4.3 建模仿真
  • 8.4.4 核心知识点
  • 8.4.5 拓展思考
  • 8.5 案例五:水产养殖投入产出多目标优化仿真
  • 8.5.1 挖掘目标的提出
  • 8.5.2 分析方法与过程
  • 8.5.3 建模仿真
  • 8.5.4 核心知识点
  • 8.5.5 拓展思考
  • 8.6 本章小结
  • 第9章 数据挖掘在公共服务行业的应用
  • 9.1 案例一:乳腺癌证素变化规律及截断疗法
  • 9.1.1 挖掘目标的提出
  • 9.1.2 分析方法与过程
  • 9.1.3 建模仿真
  • 9.1.4 核心知识点
  • 9.1.5 拓展思考
  • 9.2 案例二:卷烟消费者购买行为分析
  • 9.2.1 挖掘目标的提出
  • 9.2.2 分析过程与方法
  • 9.2.3 挖掘建模
  • 9.2.4 核心知识点
  • 9.2.5 拓展思考
  • 9.3 案例三:纳税人偷漏税评估
  • 9.3.1 挖掘目标的提出
  • 9.3.2 分析方法与过程
  • 9.3.3 建模仿真
  • 9.3.4 核心知识点
  • 9.3.5 拓展思考
  • 9.4 案例四:道路缺陷自动识别
  • 9.4.1 挖掘目标的提出
  • 9.4.2 分析方法与过程
  • 9.4.3 建模仿真
  • 9.4.4 核心知识点
  • 9.4.5 拓展思考
  • 9.5 案例五:航空公司客运信息挖掘
  • 9.5.1 挖掘目标的提出
  • 9.5.2 分析方法与过程
  • 9.5.3 建模仿真
  • 9.5.4 核心知识点
  • 9.5.5 拓展思考
  • 9.6 本章小结
  • 第10章 动手实践
  • 10.1 实验一:数据探索及数据预处理
  • 10.2 实验二:神经网络模型的构建与使用
  • 10.3 实验三:决策树模型的构建与使用
  • 10.4 实验四:聚类算法的构建与使用
  • 10.5 实验五:关联规则模型的构建与使用
  • 10.6 实验六:时间序列模型的构建与使用
  • 10.7 本章小结
  • 第三部分 高级篇
  • 第11章 基于第三方接口的数据挖掘二次开发
  • 11.1 WEKA数据挖掘接口
  • 11.1.1 WEKA功能及其算法
  • 11.1.2 WEKA包结构
  • 11.1.3 WEKA算法入口
  • 11.1.4 二次开发相关输出
  • 11.2 MATLAB数据挖掘接口
  • 11.3 案例:基于MATLAB接口的数据挖掘二次开发
  • 11.3.1 接口算法编程
  • 11.3.2 用Java Builder创建Java组件
  • 11.3.3 安装MATLAB运行时环境
  • 11.3.4 JDK环境及设置
  • 11.3.5 接口算法调用
  • 11.4 本章小结
  • 第12章 基于Hadoop框架的海量数据挖掘开发
  • 12.1 基于云计算的海量数据挖掘技术特点
  • 12.2 基于Hadoop的并行数据挖掘算法工具箱TipCDM
  • 12.3 案例:基于海量计量数据的电力客户在线分群方法
  • 12.3.1 挖掘目标的提出
  • 12.3.2 分析方法与过程
  • 12.3.3 建模仿真
  • 12.3.4 核心知识点
  • 12.4 本章小结
  • 参考文献
版权免责声明
《数据挖掘:实用案例分析》为网络收集或网友自行上传,本站不对内容负责,《数据挖掘:实用案例分析》版权归原作者所有,仅供学习交流,请勿商业使用,本站不提供任何下载,储存服务,如无意侵犯了你对《数据挖掘:实用案例分析》的版权,请联系我们,我们将在第一时间删除相关内容!