SQL Server数据挖掘与商业智能基础及案例实战PDF电子书下载

PART Ⅰ 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

1-1-1什么是商业智能 3

1-1-2商业智能作用及意义 3

1-1-3商业智能架构 4

1-1-4商业智能中的挑战 6

1-2数据挖掘 7

1-3大数据 9

1-3-1何谓大数据 9

1-3-2大数据的应用 9

1-4云计算 10

Chapter 2数据仓库 13

2-1数据仓库定义 14

2-2数据仓库特性 14

2-3数据仓库架构 15

2-4创建数据仓库的目的 17

2-5数据仓库的运用 18

2-6数据仓库的管理 19

2-7 No SQL数据库 19

2-7-1 Key-Value型数据库 20

2-7-2内存数据库 20

2-7-3文件数据库 20

2-7-4图形数据库 20

2-8 Hadoop 21

Chapter 3数据挖掘简介 22

3-1数据挖掘的定义 23

3-2数据挖掘的重要性 23

3-3数据挖掘的功能 23

3-4数据挖掘的步骤 24

3-5数据挖掘建模的标准CRISP-DM 25

3-6数据挖掘的应用 27

3-7数据挖掘软件介绍 28

3-8数据挖掘与Excel 30

Chapter 4数据挖掘的主要方法 31

4-1回归分析 32

4-1-1简单线性回归分析 32

4-1-2多元回归分析 32

4-1-3脊回归分析 32

4-1-4逻辑回归分析 34

4-2关联规则 34

4-3聚类分析 34

4-4判别分析 36

4-5神经网络 37

4-6决策树 39

4-7其他分析方法 40

Chapter 5数据挖掘与相关领域的关系 42

5-1数据挖掘与统计分析 43

5-2数据挖掘与数据仓库 43

5-3数据挖掘与知识发现（KDD） 44

5-4数据挖掘与OLAP 45

5-5数据挖掘与机器学习 46

5-6数据挖掘与Web数据挖掘 46

5-7数据挖掘、云计算与大数据 47

PART Ⅱ Microsoft SQL Server概述 49

Chapter 6 Microsoft SQL Server中的商业智能 49

6-1 Microsoft SQL Server入门 50

6-2关系数据仓库 50

6-3 SQL Server 2014概述 51

6-4 SQL Server 2014技术 52

6-5 SQL Server 2014新增功能 54

Chapter 7 Microsoft SQL Server中的 56

数据挖掘功能 56

7-1创建商业智能应用程序 57

7-2 Microsoft SQL Server数据挖掘功能的优势 59

7-2-1易于使用 59

7-2-2简单而丰富的API 59

7-2-3可伸缩性 60

7-2-4数据挖掘算法 60

7-3 Microsoft SQL Server数据挖掘算法 61

7-4 Microsoft SQL Server可扩展性 62

7-5 Microsoft SQL Server是数据挖掘与商业智能的结合 62

7-5-1数据分析 62

7-5-2报告 63

7-6使用数据挖掘可以解决的问题 63

7-6-1构建挖掘模型 63

7-6-2构建数据挖掘应用程序 64

7-6-3 DMX范例 65

Chapter 8 Microsoft SQL Server的分析服务 67

8-1创建多维数据集的结构 68

8-2建立和部署多维数据集 69

8-3从模板创建自定义的数据库 69

8-4统一维度模型 70

8-5基于属性的维度 71

8-6维度类型 72

8-7量度组和数据视图 72

8-8计算效率 73

8-9 MDX脚本 74

8-10存储过程 75

8-11关键绩效指标（KPI） 75

8-12实时商业智能 76

Chapter 9 Microsoft SQL Server的报表服务 78

9-1为何使用报表服务 79

9-2报表服务的功能 80

9-2-1制作报表 80

9-2-2管理报表 80

9-2-3提交报表 81

Chapter 10 Microsoft SQL Server的整合服务 83

10-1 SSIS介绍 84

10-1-1 DTS与SSIS 84

10-1-2 DTS升级到Integration Services重点 84

10-1-3 SSIS版本 85

10-1-4 SSIS（SQL Server Integration Service）架构图 85

10-1-5 Integration Service数据流 85

10-1-6 SSIS Designer 87

10-1-7数据流 87

10-1-8控制流 88

10-2操作示例 92

10-2-1将Excel数据表导入SQL数据库中的数据表 92

10-2-2对数据进行抽样 103

Chapter 11 Microsoft SQL Server的DMX语言 114

11-1 DMX语言介绍 115

11-2 DMX函数 117

11-2-1模型建立 117

11-2-2模型训练 118

11-2-3模型使用（预测） 118

11-2-4其他函数语法 119

11-3 DMX语法 122

11-3-1决策树 123

11-3-2贝叶斯概率分类 124

11-3-3关联规则 125

11-3-4聚类分析 126

11-3-5时序聚类分析 127

11-3-6线性回归分析 127

11-3-7逻辑回归 128

11-3-8神经网络 129

11-3-9时序 130

11-4 DMX操作实例 131

11-4-1分类 132

11-4-2评估 133

11-4-3预测 134

11-4-4关联分组 135

11-4-5聚类分组 136

PART Ⅲ Microsoft SQL Server中的数据挖掘模型 138

Chapter 12决策树模型 138

12-1基本概念 139

12-2决策树与判别函数 139

12-3计算方法 140

12-4操作范例 142

Chapter 13贝叶斯分类器 152

13-1基本概念 153

13-2操作范例 155

Chapter 14关联规则 166

14-1基本概念 167

14-2关联规则的种类 168

14-3关联规则的算法：Apriori算法 168

14-4操作范例 169

Chapter 15 聚类分析 179

15-1基本概念 180

15-2层级聚类法与动态聚类法 180

15-3操作范例 185

Chapter 16时序聚类 197

16-1基本概念 198

16-2主要算法 198

16-3操作示例 200

Chapter 17线性回归模型 210

17-1基本概念 211

17-2一元回归模型 212

17-2-1模型假设及推估 212

17-2-2回归模型测试 215

17-3多元回归模型 216

17-3-1回归效果的评估 216

17-3-2回归变量的选择 218

17-4 操作范例 219

Chapter 18逻辑回归模型 228

18-1基本概念 229

18-2 logit变换与logistic分布 229

18-3逻辑回归模型 231

18-4操作范例 232

Chapter 19人工神经网络模型 242

19-1基本概念 243

19-2神经网络模型的特点 245

19-3神经网络模型的优劣比较 245

19-4 操作范例 247

Chapter 20时序模型 257

20-1基本概念 258

20-2时序的构成 260

20-3简单时序的预测 266

20-4包含趋势与季节成分的时序预测 268

20-5参数化的时序预测模型 270

20-6操作范例 274

PART Ⅳ Microsoft SQL Server数据挖掘应用实例 285

Chapter 21决策树模型实例 285

Chapter 22逻辑回归模型实例 293

22-1回归模型实例一：肾细胞癌转移的回归模型 294

22-2回归模型实例二：高中升学数据的回归模型 300

22-3回归模型实例三 306

Chapter 23神经网络模型实例 312

23-1实例一：肾细胞癌转移的神经网络模型 313

23-2实例二：电信行业神经网络模型 319

Chapter 24时序模型实例 332

24-1实例一：电力负载的时序模型 333

24-2实例二：进出品货物价值的时序模型 338

Chapter 25如何评估数据挖掘模型 344

25-1评估图节点Evaluation Chart Node介绍 345

25-2在SQL Server中如何评估模型 348

25-3规则度量：支持度与可信度 353

25-4结论 355