第Ⅰ部分 商务智能概念及过程 3
第1章 导言 3
1.1 商务智能的基本概念 3
1.1.1 数据 3
1.1.2 信息和知识 6
1.2 商务智能的系统构成 6
1.3 商务智能的发展历史 8
练习题1 9
第2章 商务智能过程 10
2.1 商务智能系统的开发方法 10
2.1.1 商务智能系统的开发过程 10
2.1.2 商务智能系统成功的关键因素 12
2.2 数据库与数据仓库 12
2.3 在线分析处理与在线事务处理 13
2.4 商务智能与决策支持系统 14
练习题2 15
第Ⅱ部分 商务智能方法第3章 关联分析 19
3.1 频繁模式与关联规则 19
3.2 频繁项集的典型挖掘方法 21
3.2.1 逐层发现算法Apriori 21
3.2.2 无候选集发现算法FP-growth 23
3.3 关联规则的生成方法 26
3.4 关联规则的其他类型 26
3.4.1 多层次关联规则 26
3.4.2 负模式 27
3.4.3 结构化数据中的关联分析 28
3.5 关联规则的兴趣度的其他度量 28
练习题3 30
第4章 分类 32
4.1 分类的概念 32
4.2 决策树分类方法 33
4.2.1 决策树的构建过程 33
4.2.2 属性的类型及分裂条件 35
4.2.3 决策树的剪枝 39
4.3 朴素贝叶斯分类 40
4.4 k近邻分类 42
4.5 分类性能的度量方法 43
4.5.1 测试数据集的构造 43
4.5.2 分类性能的度量指标 44
4.5.3 不同分类模型的比较 46
练习题4 48
第5章 数值预测 50
5.1 数值预测的概念 50
5.2 回归方法 51
5.2.1 一元线性回归 51
5.2.2 多元线性回归 53
5.2.3 非线性回归 55
5.3 回归树与模型树 56
5.3.1 模型树的构建 57
5.3.2 模型树的剪枝 58
5.3.3 算法 58
5.4 k近邻数值预测 60
5.5 预测误差的度量 60
练习题5 61
第6章 聚类分析 63
6.1 概述 63
6.1.1 聚类的概念 63
6.1.2 聚类方法分类 64
6.2 相似度衡量方法 64
6.2.1 数据类型 65
6.2.2 基于内容的相似度衡量 65
6.2.3 基于链接的相似度衡量 69
6.3 k均值聚类法 70
6.4 层次聚类方法 72
6.5 DBSCAN方法 73
6.6 聚类效果衡量方法 74
练习题6 75
第Ⅲ部分 基础技术第7章 数据预处理 81
7.1 数据预处理的原因和任务 81
7.2 数据规范化 81
7.3 数据离散化 82
7.3.1 分箱离散化 82
7.3.2 基于熵的离散化 83
7.3.3 离散化方法ChiMerge 84
7.4 数据清洗 85
7.5 特征提取与特征选择 86
7.5.1 特征选择 86
7.5.2 特征提取 87
练习题7 89
第8章 数据仓库 91
8.1 数据仓库的基本概念 91
8.2 数据仓库的体系结构 92
8.3 多维数据模型 93
8.3.1 多维数据模型的概念 94
8.3.2 多维数据模型的构建方法 97
8.4 数据仓库项目的开发 100
8.4.1 数据仓库的开发模式 100
8.4.2 数据仓库开发过程 101
练习题8 103
第9章 在线分析处理 105
9.1 在线分析处理简介 105
9.2 多维数据模型中的层次设计 106
9.3 立方体的定义和计算 107
9.4 OLAP的多维数据分析 108
练习题9 110
第10章 商务智能可视化 111
10.1 商务智能可视化的类型 111
10.2 数据可视化 111
10.3 过程和结果可视化 115
10.4 积分卡和仪表盘 119
练习题10 121
第Ⅳ部分 应用与系统第11章 商务智能应用 125
11.1 商务智能应用领域 125
11.1.1 关系营销 125
11.1.2 生产管理 128
11.2 推荐系统 130
11.2.1 基于用户的协同过滤 131
11.2.2 基于产品的协同过滤 133
11.2.3 基于内容的推荐方法 134
11.3 意见挖掘 135
11.3.1 特征和意见的抽取 136
11.3.2 意见极性判断 137
练习题11 138
第12章 商务智能系统 139
12.1 开源数据挖掘软件 139
12.1.1 概述 139
12.1.2 Weka 140
12.2 商品化的商务智能系统 162
练习题12 165
第Ⅴ部分 深度应用与发展第13章 复杂数据的商务智能分析方法 169
13.1 序列模式挖掘 169
13.1.1 序列模式的定义 169
13.1.2 序列模式挖掘算法 171
13.2 社会网络分析 172
13.2.1 中心度分析 173
13.2.2 链接分析 174
13.3 数据流数据挖掘 175
13.4 多关系数据挖掘 177
练习题13 180
第14章 商务智能的社会影响与发展 182
14.1 商务智能中的隐私保护 182
14.2 移动商务智能 186
14.3 云商务智能 186
练习题14 188
参考文献 190