数据仓库与数据挖掘应用教程 PDF下载

目录
第1章数据仓库和数据挖掘概述
1.1数据仓库概述
1.1.1数据仓库的定义
1.1.2数据仓库与操作型数据库的关系
1.1.3数据仓库的应用
1.2数据仓库系统及开发工具
1.2.1数据仓库系统的组成
1.2.2数据仓库系统开发工具
1.3商业智能和数据仓库
1.3.1什么是商业智能
1.3.2商业智能和数据仓库的关系
1.4数据挖掘概述
1.4.1数据挖掘的定义目录<；br />；第1章数据仓库和数据挖掘概述<；br />；1.1数据仓库概述<；br />；1.1.1数据仓库的定义<；br />；1.1.2数据仓库与操作型数据库的关系<；br />；1.1.3数据仓库的应用<；br />；1.2数据仓库系统及开发工具<；br />；1.2.1数据仓库系统的组成<；br />；1.2.2数据仓库系统开发工具<；br />；1.3商业智能和数据仓库<；br />；1.3.1什么是商业智能<；br />；1.3.2商业智能和数据仓库的关系<；br />；1.4数据挖掘概述<；br />；1.4.1数据挖掘的定义<；br />；1.4.2数据挖掘的主要任务<；br />；1.4.3数据挖掘的对象<；br />；1.4.4数据挖掘的知识表示<；br />；1.4.5数据挖掘与数据仓库及OLAP的关系<；br />；1.4.6数据挖掘的应用<；br />；1.5数据挖掘过程<；br />；1.5.1数据挖掘步骤<；br />；1.5.2数据清理<；br />；1.5.3数据集成<；br />；1.5.4数据变换<；br />；1.5.5数据归约<；br />；1.5.6离散化和概念分层生成<；br />；1.5.7数据挖掘的算法<；br />；练习题<；br />；第2章OLAP和多维数据模型<；br />；2.1OLAP概述<；br />；2.1.1什么是OLAP<；br />；2.1.2OLAP和OLTP的区别<；br />；2.1.3数据仓库与OLAP的关系<；br />；2.2多维数据模型<；br />；2.2.1多维数据模型的相关概念<；br />；2.2.2OLAP的基本分析操作<；br />；2.2.3多维数据模型的实现途径<；br />；2.3数据仓库的维度建模<；br />；2.3.1数据仓库建模概述<；br />；2.3.2星形模型<；br />；2.3.3雪花模型<；br />；2.3.4事实星座模型<；br />；练习题<；br />；第3章数据仓库设计<；br />；3.1数据仓库设计概述<；br />；3.1.1数据仓库设计原则<；br />；3.1.2建立数据仓库系统的两种模式<；br />；3.1.3数据仓库设计过程<；br />；3.2数据仓库规划与需求分析<；br />；3.2.1数据仓库规划<br />3.2.2数据仓库需求分析<br />3.3数据仓库建模<br />3.3.1数据仓库建模的主要工作<br />3.3.2维表设计<br />3.3.3事实表设计<br />3.4数据仓库物理模型设计<br />3.4.1确定数据的存储结构<br />3.4.2确定索引策略<br />3.4.3确定存储分配<br />3.5数据仓库部署与维护<br />3.5.1数据仓库的部署<br />3.5.2数据仓库的维护<br />练习题<br />第4章SQLServer数据仓库开发实例<br />4.1OnRetDW系统需求分析<br />4.1.1OnRetDW系统的主题<br />4.1.2OnRetDW系统的功能<br />4.2OnRetDW的建模<br />4.2.1维表设计<br />4.2.2事实表设计<br />4.3数据抽取工具设计<br />4.4基于SQL Server 2012设计OnRetDW<br />4.4.1创建数据仓库OnRetDW项目<br />4.4.2创建数据源<br />4.4.3创建数据源视图<br />4.4.4创建维表<br />4.4.5创建多维数据集<br />4.4.6部署SDWS<br />4.4.7浏览已部署的多维数据集<br />4.5MDX简介*<br />4.5.1MDX语言概述<br />4.5.2执行MDX查询<br />4.5.3多维数据查询<br />练习题<br />上机实验题<br />第5章关联分析算法<br />5.1关联分析概述<br />5.1.1什么是关联分析<br />5.1.2事务数据库<br />5.1.3关联规则及其度量<br />5.1.4频繁项集<br />5.1.5挖掘关联规则的基本过程<br />5.2Apriori算法<br />5.2.1Apriori性质<br />5.2.2Apriori算法求频繁项集<br />5.2.3由频繁项集产生强关联规则<br />5.3SQL Server挖掘关联规则<br />5.3.1创建DMK数据库<br />5.3.2建立关联挖掘项目<br />5.3.3部署关联挖掘项目并浏览结果<br />5.4电子商务数据的关联规则挖掘<br />5.4.1创建OnRetDMK数据库<br />5.4.2数据加载功能设计<br />5.4.3建立关联挖掘项目<br />5.4.4部署关联挖掘项目并浏览结果<br />练习题<br />上机实验题<br />第6章决策树分类算法<br />6.1分类过程<br />6.1.1分类概述<br />6.1.2分类过程的学习阶段<br />6.1.3分类过程的分类阶段<br />6.2决策树分类<br />6.2.1决策树<br />6.2.2建立决策树的ID3算法<br />6.3SQL Server决策树分类<br />6.3.1建立数据表<br />6.3.2建立决策树分类挖掘模型<br />6.3.3浏览决策树模型和分类预测<br />6.4电子商务数据的决策树分类<br />6.4.1创建OnRetDMK.DST数据表<br />6.4.2数据加载功能设计<br />6.4.3建立决策树分类模型<br />6.4.4浏览决策树<br />练习题<br />上机实验题<br />第7章贝叶斯分类算法<br />7.1贝叶斯分类概述<br />7.1.1贝叶斯定理<br />7.1.2贝叶斯信念网络<br />7.2朴素贝叶斯分类<br />7.2.1朴素贝叶斯分类原理<br />7.2.2朴素贝叶斯分类算法<br />7.3SQL Server朴素贝叶斯分类<br />7.3.1建立朴素贝叶斯分类挖掘模型<br />7.3.2浏览朴素贝叶斯分类模型和分类预测<br />7.4电子商务数据的贝叶斯分类<br />7.4.1建立朴素贝叶斯分类挖掘模型<br />7.4.2浏览挖掘结果及分析<br />练习题<br />上机实验题<br />第8章神经网络算法<br />8.1人工神经网络概述<br />8.1.1人工神经元<br />8.1.2人工神经网络<br />8.1.3神经网络应用<br />8.2用于分类的前馈神经网络<br />8.2.1前馈神经网络的学习过程<br />8.2.2前馈神经网络用于分类的算法<br />8.3SQL Server神经网络分类<br />8.3.1建立神经网络分类挖掘模型<br />8.3.2浏览神经网络分类模型和分类预测<br />8.4电子商务数据的神经网络分类<br />8.4.1建立神经网络分类挖掘模型<br />8.4.2浏览挖掘结果及分析<br />练习题<br />上机实验题<br />第9章回归分析算法<br />9.1回归分析概述<br />9.2线性回归分析<br />9.2.1一元线性回归分析<br />9.2.2多元线性回归分析<br />9.2.3SQL Server线性回归分析<br />9.3非线性回归分析<br />9.3.1非线性回归分析的处理方法<br />9.3.2可转换成线性回归的非线性回归<br />9.3.3不可变换成线性回归的非线性回归分析*<br />9.4逻辑回归分析<br />9.4.1逻辑回归原理<br />9.4.2逻辑回归模型<br />9.4.3SQL Server逻辑回归分析<br />9.5电子商务数据的逻辑回归分析<br />9.5.1建立逻辑回归挖掘模型<br />9.5.2浏览挖掘结果及分析<br />练习题<br />上机实验题<br />第10章时间序列分析<br />10.1时间序列分析概述<br />10.1.1什么是时间序列和时间序列分析<br />10.1.2时间序列的分类和平稳性判断<br />10.1.3时间序列建模的两种基本假设<br />10.1.4回归分析与时间序列分析<br />10.2确定性时间序列分析<br />10.2.1移动平均模型<br />10.2.2指数平滑模型<br />10.3随机时间序列模型*<br />10.3.1随机时间序列模型概述<br />10.3.2自回归模型AR(p)<br />10.4SQL Server时间序列分析<br />10.4.1建立数据表<br />10.4.2建立时间序列分析模型<br />10.4.3浏览时间序列分析模型<br />10.5电子商务数据的时间序列分析<br />10.5.1创建OnRetDMK.TS数据表<br />10.5.2数据加载功能设计<br />10.5.3建立时间序列分析模型<br />10.5.4浏览时间序列分析模型<br />练习题<br />上机实验题<br />第11章聚类算法<br />11.1聚类概述<br />11.1.1什么是聚类<br />11.1.2相似性度量<br />11.1.3聚类过程<br />11.1.4常见的聚类算法<br />11.1.5聚类分析的应用<br />11.2k均值算法及其应用<br />11.2.1k均值算法<br />11.2.2SQL Server的k均值算法应用<br />11.3EM算法及其应用<br />11.3.1EM算法<br />11.3.2SQL Server中EM算法<br />11.4电子商务数据的聚类分析<br />11.4.1建立聚类挖掘模型<br />11.4.2两种算法结果的比较<br />11.5Microsoft顺序分析和聚类分析算法*<br />11.5.1Microsoft顺序分析和聚类分析算法概述<br />11.5.2Microsoft顺序分析和聚类分析算法的应用<br />练习题<br />上机实验题<br />附录A部分练习题参考答案<br />第1章<br />第2章<br />第3章<br />第4章<br />第5章<br />第6章<br />第7章<br />第8章<br />第9章<br />第10章<br />第11章<br />附录B上机实验题参考答案<br />第4章<br />第5章<br />第6章<br />第7章<br />第8章<br />第9章<br />第10章<br />第11章<br />附录C书中数据库和包含的数据表<br />1. OnRet数据库<br />2. SDW数据库<br />3. OnRetDMK数据库<br />4. DMK数据库<br />参考文献<br />