Excel 2007數(shù)據(jù)挖掘完全手冊(cè)

出版時(shí)間:2008-7  出版社:清華大學(xué)出版社  作者:謝邦昌,朱建平,來(lái)升強(qiáng) 編著  頁(yè)數(shù):295  
Tag標(biāo)簽:無(wú)  

內(nèi)容概要

本書(shū)圍繞Excel 2007的數(shù)據(jù)挖掘模塊,通過(guò)大量操作示范,介紹了主流的數(shù)據(jù)挖掘方法。全書(shū)包括數(shù)據(jù)挖掘算法介紹、Excel 2007數(shù)據(jù)挖掘模塊介紹、其他分析工具介紹、數(shù)據(jù)挖掘范例4篇,共26章。除了給出有關(guān)的理論和原理闡述之外,還提供了一些大型應(yīng)用案例。通過(guò)詳細(xì)的操作講解和結(jié)果分析,讀者可以獲得實(shí)際的數(shù)據(jù)挖掘經(jīng)驗(yàn),并能迅速地在自己所處的領(lǐng)域中加以應(yīng)用。    利用Excel 2007的數(shù)據(jù)挖掘模塊,讀者無(wú)須經(jīng)過(guò)專業(yè)培訓(xùn),就能完成多種數(shù)據(jù)挖掘任務(wù)。本書(shū)適用于學(xué)習(xí)數(shù)據(jù)挖掘和相關(guān)課程的學(xué)生、運(yùn)用Excel 2007進(jìn)行復(fù)雜大型數(shù)據(jù)分析的職場(chǎng)人士及咨詢公司從業(yè)人員等。

書(shū)籍目錄

第1篇  數(shù)據(jù)挖掘算法介紹 第1章  數(shù)據(jù)挖掘簡(jiǎn)介  1.1  數(shù)據(jù)挖掘的定義  1.2  數(shù)據(jù)挖掘的重要性  1.3  數(shù)據(jù)挖掘的功能  1.4  數(shù)據(jù)挖掘的步驟  1.5  數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP-DM 第2章  數(shù)據(jù)挖掘運(yùn)用的理論和技術(shù)  2.1  回歸分析   2.1.1  簡(jiǎn)單線性回歸分析   2.1.2  多元回歸分析   2.1.3  嶺回歸分析   2.1.4  Logistic回歸分析  2.2  關(guān)聯(lián)規(guī)則  2.3  聚類分析  2.4  判別分析  2.5  類神經(jīng)網(wǎng)絡(luò)分析  2.6  決策樹(shù)分析  2.7  其他分析方法 第3章  數(shù)據(jù)挖掘與相關(guān)領(lǐng)域的關(guān)系  3.1  數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的不同  3.2  數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)儲(chǔ)的關(guān)系  3.3  知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘的關(guān)系  3.4  OLAP與數(shù)據(jù)挖掘的關(guān)系  3.5  數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系  3.6  網(wǎng)絡(luò)挖掘與數(shù)據(jù)挖掘的關(guān)系 第4章  數(shù)據(jù)挖掘商業(yè)軟件產(chǎn)品及其應(yīng)用現(xiàn)狀  4.1  數(shù)據(jù)挖掘商業(yè)軟件的分類  4.2  主要軟件的介紹  4.3  顧客關(guān)系管理  4.4  數(shù)據(jù)挖掘的行業(yè)應(yīng)用第2篇  Excel 2007數(shù)據(jù)挖掘模塊介紹 第5章  安裝與設(shè)定Excel 2007數(shù)據(jù)挖掘加載項(xiàng)  5.1  系統(tǒng)需求  5.2  開(kāi)始安裝  5.3  完成安裝驗(yàn)證  5.4  組件設(shè)定  5.5  配置完成檢查 第6章  Excel 2007數(shù)據(jù)挖掘入門(mén)  6.1  Excel 2007數(shù)據(jù)挖掘功能介紹  6.2  數(shù)據(jù)挖掘使用說(shuō)明   6.2.1  目錄查詢   6.2.2  開(kāi)始功能   6.2.3  視頻和教學(xué)  6.3  數(shù)據(jù)挖掘連接配置   6.3.1  設(shè)定目前的連接   6.3.2  跟蹤  6.4  數(shù)據(jù)準(zhǔn)備   6.4.1  瀏覽數(shù)據(jù)   6.4.2  清除數(shù)據(jù)   6.4.3  分割數(shù)據(jù)  6.5  數(shù)據(jù)建?! ?.6  精確度和驗(yàn)證   6.6.1  準(zhǔn)確性圖表   6.6.2  分類矩陣   6.6.3  利潤(rùn)圖  6.7  模型用法   6.7.1  瀏覽功能   6.7.2  查詢功能  6.8  模型管理   6.8.1  重新命名挖掘模型   6.8.2  刪除挖掘結(jié)構(gòu)   6.8.3  清除挖掘結(jié)構(gòu)   6.8.4  用原始數(shù)據(jù)處理挖掘結(jié)構(gòu)   6.8.5  用新數(shù)據(jù)處理挖掘結(jié)構(gòu)   6.8.6  導(dǎo)出挖掘結(jié)構(gòu)   6.8.7  導(dǎo)入挖掘結(jié)構(gòu) 第7章  決策樹(shù)  7.1  基本概念  7.2  決策樹(shù)模塊的建立  7.3  決策樹(shù)與判別函數(shù)比較  7.4  計(jì)算方法   7.4.1  確定預(yù)測(cè)精度的標(biāo)準(zhǔn)   7.4.2  選擇分裂(分層)技術(shù)   7.4.3  定義停止分裂(分層)的時(shí)間點(diǎn)   7.4.4  選擇適當(dāng)大小的決策樹(shù)  7.5  Excel 2007 決策樹(shù)算法 第8章  貝葉斯概率分類  8.1  基本概念  8.2  Excel 2007貝葉斯概率分類 第9章  關(guān)聯(lián)規(guī)則  9.1  基本概念  9.2  關(guān)聯(lián)規(guī)則的種類  9.3  關(guān)聯(lián)規(guī)則的算法:Apriori算法  9.4  Excel 2007關(guān)聯(lián)規(guī)則 第10章  聚類分析  10.1  基本概念  10.2  層次聚類分析  10.3  聚類分析原理  10.4  Excel 2007聚類分析 第11章  時(shí)序聚類  11.1  基本概念  11.2  相關(guān)研究和算法  11.3  Excel 2007時(shí)序聚類 第12章  線性回歸  12.1  基本概念  12.2  簡(jiǎn)單回歸分析  12.3  多元回歸分析  12.4  Excel 2007線性回歸 第13章  Logistic回歸  13.1  基本概念  13.2  logit變換  13.3  Logistic分布  13.4  列聯(lián)表的Logistic回歸模型  13.5  Excel 2007 Logistic回歸 第14章  類神經(jīng)網(wǎng)絡(luò)  14.1  基本概念  14.2  類神經(jīng)網(wǎng)絡(luò)的架構(gòu)與訓(xùn)練算法  14.3  類神經(jīng)網(wǎng)絡(luò)的特性  14.4  類神經(jīng)網(wǎng)絡(luò)應(yīng)用  14.5  類神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)  14.6  Excel 2007類神經(jīng)網(wǎng)絡(luò) 第15章  時(shí)間序列分析  15.1  基本概念  15.2  時(shí)間序列的成分  15.3  時(shí)間序列數(shù)據(jù)的圖形介紹  15.4  利用平滑法預(yù)測(cè)  15.5  用趨勢(shì)方程預(yù)測(cè)時(shí)間序列  15.6  預(yù)測(cè)含趨勢(shì)與季節(jié)成分的時(shí)間序列  15.7  利用回歸模型預(yù)測(cè)時(shí)間序列  15.8  其他預(yù)測(cè)模型  15.9  單變量時(shí)間序列預(yù)測(cè)模型  15.10  時(shí)間趨勢(shì)預(yù)測(cè)模型  15.11  Excel 2007時(shí)間序列 第16章  DMX介紹  16.1  DMX介紹  16.2  DMX函數(shù)介紹   16.2.1  模型建立   16.2.2  模型訓(xùn)練   16.2.3  模型使用(預(yù)測(cè))   16.2.4  其他函數(shù)語(yǔ)法  16.3  DMX數(shù)據(jù)挖掘語(yǔ)法   16.3.1  決策樹(shù)   16.3.2  貝葉斯概率分類   16.3.3  關(guān)聯(lián)規(guī)則   16.3.4  聚類分析   16.3.5  時(shí)序聚類   16.3.6  線性回歸   16.3.7  Logistic回歸   16.3.8  類神經(jīng)網(wǎng)絡(luò)   16.3.9  時(shí)間序列  16.4  DMX應(yīng)用范例   16.4.1  分類   16.4.2  估計(jì)   16.4.3  預(yù)測(cè)   16.4.4  關(guān)聯(lián)分組   16.4.5  聚類第3篇  其他分析工具介紹 第17章  分析關(guān)鍵影響因素 第18章  檢測(cè)類別 第19章  從示例填充 第20章  預(yù)測(cè) 第21章  突出顯示異常值 第22章  應(yīng)用場(chǎng)景分析  22.1  目標(biāo)查找  22.2  假設(shè) 第23章  Visio 2007數(shù)據(jù)透視分析第4篇  數(shù)據(jù)挖掘范例 第24章  上市公司投資價(jià)值分析的挖掘模型  24.1  研究動(dòng)機(jī)與目的  24.2  挖掘模型的構(gòu)建  24.3  變量篩選  24.4  決策樹(shù)模型  24.5  貝葉斯概率模型  24.6  Logistic回歸模型  24.7  預(yù)測(cè)準(zhǔn)確度比較 第25章  信用卡用戶信用評(píng)測(cè)的挖掘模型  25.1  研究背景  25.2  研究動(dòng)機(jī)  25.3  研究目的  25.4  Excel 2007構(gòu)建數(shù)據(jù)挖掘模型   25.4.1  決策樹(shù)分析   25.4.2  聚類分析   25.4.3  Logistic回歸 第26章  市場(chǎng)營(yíng)銷與客戶細(xì)分的挖掘模型  26.1  研究動(dòng)機(jī)與目的  26.2  研究方法與限制  26.3  數(shù)據(jù)分析  26.4  挖掘建?!  ?6.4.1  決策樹(shù)   26.4.2  單純貝葉斯分類   26.4.3  聚類分析   26.4.4  決策樹(shù)   26.4.5  Logistic回歸   26.4.6  關(guān)聯(lián)分析  26.5  結(jié)論

章節(jié)摘錄

第1章 數(shù)據(jù)挖掘簡(jiǎn)介1.1 數(shù)據(jù)挖掘的定義Data mining is the process of seeking interesting or valuable information in large database.數(shù)據(jù)挖掘(data mining)是近年來(lái)數(shù)據(jù)庫(kù)應(yīng)用領(lǐng)域中相當(dāng)熱門(mén)的話題。數(shù)據(jù)挖掘一般是指在數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中,利用各種分析方法與技術(shù),對(duì)過(guò)去累積的大量繁雜數(shù)據(jù)進(jìn)行分析、歸納與整合等工作,提取出有用的信息,例如趨勢(shì)(trend)、模式(pattem)及相關(guān)性(relationship)等,并將其中有價(jià)值的信息作為決策參考提供給決策者。通俗地說(shuō),數(shù)據(jù)挖掘就是從數(shù)據(jù)中發(fā)掘信息或知識(shí),有人稱為知識(shí)發(fā)現(xiàn)(knowledge discovery in database,KDD),也有人稱為數(shù)據(jù)考古學(xué)(data archeology)、數(shù)據(jù)模式分析(data pattern analysis)或功能相依分析(functional dependency analysis)。目前,數(shù)據(jù)挖掘已經(jīng)成為數(shù)據(jù)庫(kù)系統(tǒng)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)方法等多個(gè)學(xué)科相互交叉的重要領(lǐng)域,而在實(shí)務(wù)界,越來(lái)越多的企業(yè)開(kāi)始認(rèn)識(shí)到,實(shí)施數(shù)據(jù)挖掘可以為企業(yè)帶來(lái)更多潛在的商業(yè)機(jī)會(huì)。但我們對(duì)數(shù)據(jù)挖掘應(yīng)有一個(gè)正確的認(rèn)知:數(shù)據(jù)挖掘不是一個(gè)無(wú)所不能的魔法。數(shù)據(jù)挖掘的種種工具都是從數(shù)據(jù)中發(fā)掘出各種可能成立的“預(yù)言”,并對(duì)其潛在價(jià)值加以“估計(jì)”,但數(shù)據(jù)挖掘本身并不能在實(shí)際中查證和確認(rèn)這些假設(shè),也不能判斷這些假設(shè)的實(shí)際價(jià)值。1.2 數(shù)據(jù)挖掘的重要性現(xiàn)代企業(yè)經(jīng)常會(huì)搜集大量的數(shù)據(jù),這些數(shù)據(jù)涵蓋了市場(chǎng)、客戶、供貨商,及其競(jìng)爭(zhēng)對(duì)手等重要信息,但是由于信息超載與無(wú)結(jié)構(gòu)化,企業(yè)的決策者無(wú)法充分利用這些龐大的數(shù)據(jù)資源,僅能使用其中的一小部分,這可能導(dǎo)致決策失誤,甚至出現(xiàn)決策錯(cuò)誤。而借助數(shù)據(jù)挖掘技術(shù),企業(yè)完全有能力從浩瀚的數(shù)據(jù)海洋中,挖掘出全面而又有價(jià)值的信息和知識(shí),并作為決策支持之用,進(jìn)而形成企業(yè)獨(dú)有的競(jìng)爭(zhēng)優(yōu)勢(shì)。

編輯推薦

利用Excel 2007的數(shù)據(jù)挖掘模塊,讀者無(wú)須經(jīng)過(guò)專業(yè)培訓(xùn),就能完成多種數(shù)據(jù)挖掘任務(wù)?!陡咝мk公"職"通車?Excel 2007數(shù)據(jù)挖掘完全手冊(cè)》適用于學(xué)習(xí)數(shù)據(jù)挖掘和相關(guān)課程的學(xué)生、運(yùn)用Excel 2007進(jìn)行復(fù)雜大型數(shù)據(jù)分析的職場(chǎng)人士及咨詢公司從業(yè)人員等。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載


    Excel 2007數(shù)據(jù)挖掘完全手冊(cè) PDF格式下載


用戶評(píng)論 (總計(jì)8條)

 
 

  •   需要現(xiàn)有server2005.。。。沒(méi)有這個(gè)系統(tǒng)挖掘不了,讓我很崩潰,我哪里去找那個(gè)軟件啊,我用vista,問(wèn)題很多
  •   這本書(shū)對(duì)完全不知道如何使用Excel 2007數(shù)據(jù)挖掘的人員是適合的,屬於入門(mén)書(shū)。
  •   理論大于實(shí)際~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
  •   這本書(shū)還不錯(cuò)吧!唯一缺陷是沒(méi)有光碟!
  •   這本書(shū)生搬硬套,很垃圾。感覺(jué)是從幫助文檔上翻譯與整理過(guò)來(lái)的。
  •   這本書(shū)一般,可能就是掛謝邦昌的名而已
  •   不是我想要的那種書(shū),書(shū)本身還可以.
  •   書(shū)不錯(cuò),內(nèi)容新穎,個(gè)人覺(jué)得里面有一點(diǎn)點(diǎn)缺憾,也有可能是我個(gè)人對(duì)sql不了解,按書(shū)上所說(shuō)步驟,我沒(méi)能安裝sql2005,就等于說(shuō)用不了數(shù)據(jù)挖掘的工具,這一點(diǎn)希望有更深的說(shuō)明。
 

250萬(wàn)本中文圖書(shū)簡(jiǎn)介、評(píng)論、評(píng)分,PDF格式免費(fèi)下載。 第一圖書(shū)網(wǎng) 手機(jī)版

京ICP備13047387號(hào)-7