第一章 Data Mining简介 1
1.1 前言 1
1.2 什么是Data Mining 2
1.3 Data Mining综合的技术领域 5
1.4 Data Mining的功能 6
1.5 Data Mining的应用 9
第二章 Data Mining数据仓库的设置 14
2.1 数据仓库与数据超市 14
2.2 统计数据库与数据采掘 17
2.3 Data Mining与KDD、OLAP的关系 21
第三章 DM的一些现代技术和算法 23
3.1 决策树（Decision Tree） 23
3.2 卡方自动交互检验法（CHAID） 27
3.3 人工神经网络 27
3.4 规则归纳法（Rules Induction） 34
3.5 遗传算法（Genetic Algorithms） 36
第四章 回归分析 37
4.1 回归分析的意义 37
4.2 简单线性回归 39
4.3 逻辑斯蒂（Logistic）回归 47
第五章 时间序列分析 49
5.1 向量自回归模型 49
5.2 ARIMA模型 51
5.3 GARCH模型 52
5.4 STATESPACE（状态空间）模型 53
第六章 多元分析 55
6.1 主成分分析（Principal Component Analysis） 57
6.2 因子分析（Factor Analysis） 62
6.3 判别分析（Discriminant Analysis） 66
6.4 聚类分析（Cluster Analysis） 70
6.5 典型相关分析（Canonical Correlation Analysis） 73
第七章 案例简析 79
7.1 在金融方面的应用 79
7.2 完美的购物经验——英国Safeway 82
7.3 MCI通讯公司 84
7.4 US West公司 85
7.5 Ultra Gem公司 86
7.6 Wal-Mart Stores公司 86
7.7 股市风险的板块人分解 87
附录一 参考资料 93
附录二 DATA MINING IN STATISTICA 99
附录三 DM分析工具(软件) 108