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