Excel在大数据挖掘中的应用PDF电子书下载

第一篇 基本知识 3

第一章 大数据与数据挖掘 3

1.1 大数据的定义 3

1.2 大数据的4V特征 3

1.3 大数据的预测魅力 4

1.4 数据挖掘定义 5

1.5 数据挖掘的重要性 6

1.6 数据挖掘功能 6

1.7 数据挖掘步骤 7

1.8 数据挖掘建模的标准CRISP-DM 7

1.9 大数据时代数据挖掘面临的挑战 9

第二章 数据挖掘运用理论及技术 10

2.1 回归分析 10

2.1.1 简单线性回归分析 10

2.1.2 多元回归分析 10

2.1.3 岭回归分析 11

2.1.4 Logistic回归分析 12

2.2 关联规则 12

2.3 聚类分析 12

2.4 判别分析 14

2.5 神经网络分析 15

2.6 决策树分析 17

2.7 其他分析方法 18

第三章 数据挖掘与其他相关领域的关系 20

3.1 数据挖掘与统计分析的不同 20

3.2 数据挖掘与数据仓储的关系 20

3.3 KDD与数据挖掘的关系 22

3.4 OLAP与数据挖掘的关系 22

3.5 数据挖掘与机器学习的关系 23

3.6 网络信息挖掘和数据挖掘有什么不同？ 23

第四章 数据挖掘商业软件产品及其应用现状 25

4.1 数据挖掘工具分类 25

4.2 各工具的简介 25

4.3 客户关系管理（CRM） 26

4.4 数据挖掘在各行业的应用 27

第二篇 Excel 2013数据挖掘模型 31

第五章 安装与配置Excel 2013数据挖掘加载项 31

5.1 系统需求 31

5.2 开始安装 31

5.3 完成安装验证 35

5.4 配置设定 35

5.5 设定完成验证 40

第六章 Excel 2013数据挖掘入门 42

6.1 Excel 2013数据挖掘工具栏介绍 42

6.2 数据挖掘使用说明 42

6.2.1 目录 43

6.2.2 使用者入门 43

6.2.3 视频和教程 44

6.3 数据挖掘连接设定 44

6.3.1 设定目前的连接 44

6.3.2 跟踪 46

6.4 数据准备 47

6.4.1 浏览数据 47

6.4.2 清除数据 50

6.4.3 分割数据 53

6.5 数据建模 57

6.6 准确性和验证 58

6.6.1 准确性图表 58

6.6.2 分类矩阵 59

6.6.3 利润图 59

6.7 模型用法 60

6.7.1 浏览 61

6.7.2 查询 63

6.8 模型管理 64

6.8.1 重命名挖掘结构 64

6.8.2 删除挖掘结构 65

6.8.3 清除挖掘结构 65

6.8.4 使用原始数据处理挖掘结构 65

6.8.5 用新数据处理挖掘结构 65

6.8.6 导出挖掘结构 67

6.8.7 导入挖掘结构 67

第七章 决策树 68

7.1 基本概念 68

7.2 决策树模块的建立：三种形式 68

7.3 决策树与判别函数比较 68

7.4 计算方法 69

7.4.1 制定预测精确性的标准规范 69

7.4.2 选择分裂（分层）技术 70

7.4.3 定义停止分裂（分层）的时间点 70

7.4.4 选择适当大小的决策树 71

7.5 Excel 2013决策树算法操作步骤 71

第八章 贝叶斯概率分类 82

8.1 基本概念 82

8.2 Excel 2013贝叶斯概率分类操作步骤 85

第九章 关联规则 95

9.1 基本概念 95

9.2 关联规则的种类 96

9.3 关联规则的算法：Apriori算法 97

9.3.1 执行步骤 97

9.3.2 优点 97

9.3.3 缺点 97

9.4 Excel 2013关联规则操作步骤 97

第十章 聚类分析 103

10.1 基本概念 103

10.1.1 搜集数据 103

10.1.2 转换成相似矩阵 103

10.2 层次聚类分析（hierarchical clustering methods） 104

10.2.1 系统聚类法 104

10.2.2 逐步聚类法 104

10.2.3 逐步分解法 104

10.2.4 有序样本的聚类 104

10.3 聚类分析原理 105

10.4 Excel 2013聚类分析操作步骤 109

第十一章 时序聚类 126

11.1 基本概念 126

11.2 相关研究 126

11.3 Excel 2013时序聚类操作步骤 128

第十二章 线性回归 138

12.1 基本概念 138

12.2 简单回归分析 139

12.3 多元回归分析 142

12.4 回归变量的选择 144

12.5 Excel 2013线性回归操作步骤 145

第十三章 Logistic回归 155

13.1 基本概念 155

13.2 logit变换 156

13.3 Logistic分布 157

13.4 2×2表的Logistic回归模型 158

13.5 Excel 2013 Logistic回归操作步骤 159

第十四章 神经网络 174

14.1 基本概念 174

14.2 神经网络的特性 176

14.3 神经网络的架构与训练算法 176

14.4 神经网络应用 177

14.5 神经网络的优缺点 178

14.6 神经网络的限制 178

14.6 Excel 2013神经网络操作步骤 179

第十五章 时间序列分析 196

15.1 基本概念 196

15.2 时间序列的成分 199

15.2.1 趋势成分 199

15.2.2 循环成分 199

15.2.3 季节成分 200

15.2.4 不规则成分 200

15.3 利用修匀法预测 200

15.3.1 移动平均 201

15.3.2 加权移动平均 202

15.3.3 指数修匀 203

15.4 用趋势投射预测时间序列 205

15.5 预测含趋势与季节成分的时间序列 206

15.5.1 消除时间序列的季节性 206

15.5.2 消除季节性的时间序列，辨识趋势 206

15.5.3 循环成分 207

15.6 利用回归模型预测时间序列 207

15.7 其他预测模型 208

15.8 单变量时间序列预测模型 209

15.8.1 自回归模型（autoregressive models,AR model） 210

15.8.2 移动平均过程模型（moving average process model,MA model） 210

15.8.3 AR-MA模型（mixed AR-MA model） 210

15.8.4 季节循环性时间序列模型 210

15.9 时间趋势预测模型 211

15.10 Excel 2013时间序列操作步骤 212

第十六章 DMX介绍 217

16.1 DMX介绍 217

16.2 DMX函数介绍 219

16.2.1 模型建立 219

16.2.2 模型训练 220

16.2.3 模型使用（预测） 220

16.2.4 其他函数语法 221

16.3 DMX数据挖掘语法 224

16.3.1 决策树 225

16.3.2 贝叶斯概率分类 226

16.3.3 关联规则 226

16.3.4 聚类分析 227

16.3.5 时序聚类 228

16.3.6 线性回归分析 229

16.3.7 Logistic回归 230

16.3.8 神经网络 231

16.3.9 时间序列 232

16.4 DMX应用范例 233

16.4.1 分类（classification） 233

16.4.2 估计（estimation） 234

16.4.3 预测（prediction） 235

16.4.4 关联分组（affinity grouping） 236

16.4.5 同质分组（clustering） 237

第十七章 其他分析工具 238

17.1 分析关键影响因素 238

17.2 检测类别 242

17.3 从示例填充 245

17.4 预测 246

17.5 突出显示异常值 248

17.6 应用场景分析 250

17.6.1 目标查找 251

17.6.2 假设 253

第三篇 实例 257

第十八章 台湾房屋信用贷款违约状况分析 257

18.1 数据说明 257

18.2 建立模型 258

第十九章 台湾健康食品行业分析 267

19.1 数据说明 267

19.2 建立模型 269

19.2.1 准确性图表（预测列“违约注记”＝1） 269

19.2.2 分类矩阵 271

附录 277

附录一 Power Query简介 277

1．Power Query简介 277

2．Power Query安装 277

3．Power Query进行数据分析实例 279

附录二 Power View简介 292

1．Power View简介 292

2．Power View操作 292

附录三 Power Map 301

1．Power Map简介 301

2．数据要求 301

3．安装Power Map 302

4．Power Map的功能实现 303

附录四 PowerPivot 310

1．PowerPivot加载 310

2．向PowerPivot工作簿中加载数据 312

3．在数据之间创建关系 318

4．创建计算列 321

5．创建数据透视表 325