数据挖掘技术及应用PDF电子书下载

第1部分 数据挖掘和商业决策第1章　数据挖掘引论 3

1.1 概述 3

1.2　数据挖掘的定义 3

1.3　进行数据挖掘的必要性 5

1.4　数据挖掘的过程 6

1.4.1　定义业务目标 7

1.4.2　甄别数据源 7

1.4.3　收集数据 8

1.4.4　选择数据 8

1.4.5　数据质量检查 9

1.4.6　数据转换 10

1.4.7　数据挖掘 10

1.4.8　结果解释 11

1.5　数据挖掘的功能和方法 12

1.5.1　预估模型 13

1.5.2　聚类 20

1.5.3　链接分析 22

1.5.4　时间序列分析 26

1.6　数据挖掘项目成功的要素 26

1.6.1　好的数据源 26

1.6.2　好的解决方案 26

1.6.3　好的算法 27

1.6.4　好的系统支持 27

1.6.5　好的团队合作 27

1.7 小结 27

第2部分　数据挖掘技术第2章　聚类分析与统计基础 31

2.1 聚类分析 31

2.1.1　聚类的定义 31

2.1.2　与聚类有关的常见问题 31

2.1.3　聚类方法分析 32

2.2　统计基础 37

2.2.1　统计描述 37

2.2.2　参数估计和假设检验 41

2.2.3 回归分析 56

2.2.4　属性数据分析 72

2.2.5　主成分与因子分析 80

2.2.6　相关分析与典型相关分析 94

2.2.7　抽样方法 101

第3章　预估与分类模型 105

3.1 预估问题 105

3.2　判别分析 106

3.3 径向基函数RBF 107

3.4　支持向量机 112

3.4.1　线性可分的情形 113

3.4.2　非线性可分的情形 115

3.5 Bayes分类 116

3.5.1　概述 116

3.5.2 Bayes决策原理 116

3.5.3　判别函数和决策面 117

3.5.4　基于概率分布的Bayes分类 118

3.5.5　小结 121

3.6 决策树 122

3.6.1　决策树的概念及基本算法 122

3.6.2　基于信息熵的决策树归纳方法 124

3.6.3　决策树修剪 127

3.6.4　提取决策规则 128

3.6.5　决策树的改进 129

3.6.6　决策树实例 131

3.7　神经网络 135

3.7.1　概述 135

3.7.2　感知器 135

3.7.3　神经网络的结构 136

3.7.4　激活函数 136

3.7.5　多层前馈神经网络 138

3.7.6　其他神经网络 141

3.7.7　神经网络实例 143

3.8 分类评价和性能的提高方法 146

3.8.1　分类准确率的评价方法 146

3.8.2　分类性能的提高方法 147

3.8.3　分类的图形化评价方法 148

3.8.4　小结 151

第4章　链接分析 152

4.1 关联分析 152

4.1.1　概述 152

4.1.2 Apriori算法 153

4.1.3 Apriori算法的改进方法 158

4.1.4 FP-Growth算法 161

4.1.5　挖掘多维和多层关联规则 162

4.1.6　关联规则分类 164

4.1.7　小结 165

4.1.8　关联规则实例 165

4.2　序列模式分析 169

4.2.1　概述 169

4.2.2　定义与术语 170

4.2.3　主要算法 171

4.2.4　小结 175

4.2.5　序列模式实例 175

4.3 时间序列分析 177

4.3.1　概述 177

4.3.2　时间序列模型 179

4.3.3　建模求解过程 183

4.3.4　非平稳时间序列模型 185

4.3.5　小结 188

第3部分　数据挖掘应用第5章　客户细分 191

5.1　银行的客户细分 191

5.2　进行客户细分的原因 192

5.3　客户细分的过程 192

5.3.1　细分需要明确的问题 193

5.3.2　客户细分过程 193

5.4　银行客户细分的应用 196

5.5 实例 196

第6章　预筛选和目标模型 199

6.1　预筛选模型 199

6.2 目标模型 199

6.2.1 目标模型的建立过程 200

6.2.2　目标模型举例 203

第7章　承销模型 205

7.1　进行承销建模的目的 205

7.2　承销模型的应用 205

7.3　承销模型的建立过程 205

7.4　承销模型举例 207

7.4.1　证券承销风险的差异 208

7.4.2　证券承销费的定价模型 208

7.4.3　证券承销模型的关键指标 209

第8章　不良行为和破产模型 212

8.1 不良行为和破产模型简介 212

8.2　破产模型的应用 212

8.3　模型建立过程 213

8.3.1　单一贷款额度的破产模型 214

8.3.2　不同贷款额度的组合破产模型 215

8.3.3 Z-Score破产模型 215

第9章　欺诈侦测 218

9.1 欺诈侦测的类型 218

9.1.1　金融欺诈的类型 218

9.1.2　欺诈侦测的类型 220

9.2　欺诈侦测模型的建立 221

9.2.1　概述 221

9.2.　2欺诈侦测模型建立步骤 222

9.3 建立欺诈侦测模型示例 225

9.4　欺诈侦测模型的应用 227

第10章　流失模型 228

10.1 建立流失模型的过程 228

10.2　流失模型举例 230

10.2.1　概述 231

10.2.2　业务目标 231

10.2.3　数据处理 232

10.2.4　结果展现和推荐措施 237

10.2.5　建模方法 241

10.2.6　客户流失模型的结果 242

10.2.7　几点告诫和建议 244

第11章　托收业务分析 245

11.1 概述 245

11.2　托收的方法和流程 245

11.3　使用水平营销的方法增进托收策略 246

11.4　举例 249

第12章　赢利能力分析 252

12.1 进行赢利能力分析的目的 252

12.2　赢利能力分析过程 252

12.3 赢利能力分析举例 254

12.3.1　分析目标 254

12.3.2　项目方法和流程 254

12.3.3　分析数据 255

12.3.4　数据挖掘过程 255

12.3.5　赢利能力聚类模型 255

12.3.6　聚类结果 255

第13章　交叉销售和促销 257

13.1 进行交叉销售的意义 257

13.2　有效地完成交叉销售 257

13.3 交叉销售建模过程 258

13.4　交叉销售模型举例 261

13.4.1　商业目标 261

13.4.2　业务问题 261

13.4.3　技术问题 262

13.4.4　可用数据 262

13.4.5　建模过程 262

13.4.6　分析结果 262

13.4.7　客户描述 263

13.4.8　潜在利益 263

第4部分　专题分析 267

第14章　分销网络决策 267

14.1 每种产品和服务的正确渠道 267

14.2　分配渠道之术 269

14.2.1　分销渠道的定位 269

14.2.2　制定分销策略 270

14.2.3　空间分析 271

14.2.4　把空间分析和数据挖掘关联起来 272

14.2.5　小结 276

第15章　采用数据挖掘的定价策略 277

15.1 进行产品定价的目标与原因 277

15.2　影响定价的因素 277

15.3　定价模式和定价策略 278

15.3.1　竞争对手分析 280

15.3.2　利润最大化 283

15.4 小结 284

第16章　文本挖掘 285

16.1　文本挖掘概述 285

16.2　文本挖掘的过程 286

16.2.1　文本数据预处理 286

16.2.2　文本挖掘分析 288

16.2.3　可视化技术 289

16.3 应用举例 289

16.3.1　简介 289

16.3.2　预测技术 290

16.3.3　预测的评价 291

第17章　客户关系管理 292

17.1 金融业的客户关系管理 292

17.2 CRM的关键策略 292

17.2.1　市场营销 292

17.2.2　客户招徕 293

17.2.3　风险管理 294

17.2.4　客户保持 295

17.3 案例研究——保险市场的客户流失分析 296

17.3.1　抽样 297

17.3.2　数据探索 297

17.3.3　数据调整 298

17.3.4　数据变换 298

17.3.5　变量筛选 298

17.3.6　客户流失分析流程 299

17.3.7　数据挖掘模型 300

17.4 小结 301

第18章　财务指标预警分析 304

18.1 概述 304

18.1.1 项目背景 304

18.1.2　业务目标 304

18.2　数据挖掘方案 304

18.2.1　抽样与数据分割 305

18.2.2　数据探索 306

18.2.3　数据调整 306

18.2.4　数据变换 308

18.2.5　变量筛选 311

18.2.6　预测模型 314

18.2.7　结果评估 319

18.2.8　模型流程图 321

第19章　可视化技术 323

19.1 概述 323

19.2　可视化技术 323

19.2.1　信息可视化 324

19.2.2　一些可视化方法 325

19.3 小结 327

第20章　数据挖掘工具 329

20.1　数据挖掘提供商 329

20.1.1 国外数据挖掘提供商 329

20.1.2　国内数据挖掘提供商 337

20.2　有用的Web资源 339

参考文献 340