当前位置:首页 > 工业技术
SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战
SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战

SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战PDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:谢邦昌,郑宇庭,苏志雄著
  • 出 版 社:北京:中国水利水电出版社
  • 出版年份:2011
  • ISBN:9787508487649
  • 页数:312 页
图书介绍:本书围绕SQL Server 2008提供的技术,详细探讨了数据库、数据库表、T-SQL查询、索引、视图、存储过程、游标、触发器、安全、维护、报表服务、分析服务和集成服务,然后讲解如何利用ASP.NET访问与操纵SQL Server 2008数据库,最后通过综合案例ASP.NET+SQL Server 2008在线音乐系统,讲解数据库设计与实现的方法与技巧。
《SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战》目录

PARTⅠ数据仓库、数据挖掘与商业智能 2

Chapter 1绪论 2

1-1商业智能 3

1-2数据挖掘 7

Chapter 2数据仓库 9

2-1数据仓库定义 10

2-2数据仓库特性 10

2-3数据仓库架构 11

2-4创建数据仓库的目的 12

2-5数据仓库的运用 14

2-6数据仓库的管理 14

Chapter 3数据挖掘简介 16

3-1数据挖掘的定义 17

3-2数据挖掘的重要性 17

3-3数据挖掘的功能 17

3-4数据挖掘的步骤 18

3-5数据挖掘建模的标准CRISP-DM 19

3-6数据挖掘的应用 21

3-7数据挖掘软件介绍 22

Chapter 4数据挖掘的主要方法 24

4-1回归分析 25

4-2关联规则 27

4-3聚类分析 27

4-4判别分析 29

4-5神经网络 29

4-6决策树 31

4-7其他分析方法 32

Chapter 5数据挖掘与相关领域的关系 34

5-1数据挖掘与统计分析 35

5-2数据挖掘与数据仓库 35

5-3数据挖掘与KDD 36

5-4数据挖掘与OLAP 37

5-5数据挖掘与机器学习 37

5-6数据挖掘与Web数据挖掘 38

PART Ⅱ Microsoft SQL Server概述 40

Chapter 6 Microsoft SQL Server中的商业智能 40

6-1 Microsoft SQL Server入门 41

6-2 关系数据仓库 41

6-3 SQL Server 2008 R2概述 42

6-4 SQL Server 2008 R2技术 43

6-5 SQL Server 2008 R2新增功能 45

Chapter 7 Microsoft SQL Server中的数据挖掘功能 46

7-1 创建商业智能应用程序 47

7-2 Microsoft SQL Server数据挖掘功能的优势 48

7-3 Microsoft SQL Server数据挖掘算法 50

7-4 Microsoft SQL Server可扩展性 51

7-5 Microsoft SQL Server是数据挖掘与商业智能的结合 51

7-6 使用数据挖掘可以解决的问题 52

Chapter 8 Microsoft SQL Server的分析服务(Analysis Services) 56

8-1创建多维数据集的结构 57

8-2建立和部署多维数据集 58

8-3从模板创建自定义的数据库 58

8-4统一维度模型 59

8-5基于属性的维度 59

8-6维度类型 60

8-7量度组和数据视图 61

8-8计算效率 62

8-9MDX脚本 62

8-10存储过程 63

8-11关键绩效指标(KPI) 64

8-12实时商业智能 64

Chapter 9 Microsoft SQL Server的报表服务(Reporting Services) 66

9-1为何使用报表服务 67

9-2报表服务的功能 67

Chapter 10 Microsoft SQL Server的整合服务 71

10-1SSIS介绍 72

10-2操作示例 79

Chapter 11 Microsoft SQL Server的DMX语言 100

11-1 DMX语言介绍 101

11-2 DMX函数 102

11-3 DMX语法 107

11-4 DMX操作实例 115

PARTⅢMicrosoft SQL Server中的数据挖掘模型 122

Chapter 12决策树模型 122

12-1基本概念 123

12-2决策树与判别函数 123

12-3计算方法 124

12-4操作范例 126

Chapter 13贝叶斯分类器 134

13-1基本概念 135

13-2操作范例 137

Chapter 14关联规则 147

14-1基本概念 148

14-2关联规则的种类 149

14-3关联规则的算法:Apriori算法 149

14-4操作范例 150

Chapter 15 聚类分析 160

15-1基本概念 161

15-2层级聚类法与动态聚类法 161

15-3操作范例 166

Chapter 16时序聚类 176

16-1基本概念 177

16-2主要算法 177

16-3操作示例 179

Chapter 17线性回归模型 187

17-1基本概念 188

17-2一元回归模型 189

17-3多元回归模型 192

17-4操作范例 195

Chapter 18逻辑回归模型 203

18-1基本概念 204

18-2logit变换与logistic分布 204

18-3逻辑回归模型 206

18-4操作范例 207

Chapter 19人工神经网络模型 215

19-1基本概念 216

19-2神经网络模型的特点 217

19-3神经网络模型的优劣比较 218

19-4操作范例 220

Chapter 20时序模型 228

20-1基本概念 229

20-2时序的构成 231

20-3简单时序的预测 237

20-4包含趋势与季节成份的时序预测 238

20-5参数化的时序预测模型 240

20-6操作范例 243

PART Ⅳ Microsoft SQL Server数据挖掘应用实例 253

Chapter 21决策树模型实例 253

Chapter 22逻辑回归模型实例 260

22-1回归模型实例一 261

22-2回归模型实例二 266

22-3回归模型实例三 270

Chapter 23神经网络模型实例 275

23-1神经网络模型实例一 276

23-2神经网络模型实例二 281

Chapter 24时序模型实例 292

24-1时序模型实例一 293

24-2时序模型实例二 297

Chapter 25如何评估数据挖掘模型 303

25-1评估图节点介绍Evaluation Chart Node 304

25-2在SQL Server中如何评估模型 307

25-3规则度量:支持度与可信度 311

返回顶部