本书简介 1
基础编 1
1数据挖掘基础 3
1.1数据挖掘的产生背景 5
1.2数据挖掘的概念定义 8
1.3数据挖掘任务与方法 11
1.4数据挖掘工具 19
本章小结 30
2认识和管理数据 32
2.1挖掘用数据结构 32
2.2挖掘的数据类型 34
2.3数据统计特征 37
2.4数据转换 45
2.5数据质量 50
2.6主数据管理 52
本章小结 56
3数据挖掘常用算法 57
3.1决策树 59
3.2回归分析 77
3.3聚类分析 90
3.4关联规则 104
本章小结 116
流程编 117
4数据挖掘过程 119
4.1 Fayyad过程模型 119
4.2 CRISP-DM过程模型 121
4.3 Teradata数据挖掘流程 122
4.4数据挖掘过程的工作量 123
本章小结 124
5商业理解 125
5.1商业理解任务 125
5.2如何定义业务需求 126
5.3如何设计模型思路 129
5.4实例分析 134
本章小结 136
6数据准备 137
6.1数据准备任务 137
6.2设计模型宽表 140
6.3如何准备数据 143
6.4检查数据质量 144
本章小结 148
7数据理解 149
7.1探索变量 149
7.2筛选变量 152
7.3预处理数据 155
7.4 ETL与元数据 159
本章小结 160
8模型构建 162
8.1建模相关任务 162
8.2一般建模流程 164
8.3设计建模策略 165
8.4如何构建模型 167
本章小结 170
9模型评估 172
9.1评价相关任务 172
9.2模型性能评估 173
9.3业务合理性评估 177
9.4业务应用价值评估 179
本章小结 179
10模型应用 180
10.1实施阶段任务 180
10.2模型部署与应用 181
10.3数据挖掘不是万能的 183
本章小结 186
应用编 187
11数据挖掘的商业应用 189
11.1商业数据挖掘常见应用 189
11.2电信行业中的客户维系应用实例 190
11.3文本挖掘下的客户服务应用实例 200
11.4金融行业中的客户细分应用实例 208
本章小结 214
12如何作专题分析 215
12.1专题分析概论 215
12.2如何澄清业务问题 219
12.3如何构建分析思路 226
12.4如何进行分析论证 228
12.5如何编写分析报告 234
12.6如何提升专题分析能力 237
本章小结 238
参考文献 239