基本信息
作 者：(美)貝里，(美)利諾夫 著，袁衛 等譯
出版時間：2004-1-1
版 次：1頁 數：373字 數：500000
印刷時間：2009-1-1開 本：16開紙 張：膠版紙
印 次：2I S B N：9787500565819包 裝：平裝
內容簡介
數據挖掘是信息領域發展最快的技術，很多不同領域的專家，比如統計學家、資料庫專家等，都從中獲得了發展的空間，使得數據挖掘日益成為企業界討論的熱門話題。隨著信息技術的發展，人們採集數據的手段日益豐富與高明，由此積累的數據日益膨脹，數據量達到GB甚至TB級，而且高維數據也日益成為主流。這些海量數據及其高維特徵使得傳統的數據分析手段相形見絀。計算機性能的日益更新，使得人們能夠期望計算機幫助我們分析與理解數據，幫助我們以豐富的數據為基礎做出正確決策。
目錄
第1部分 本書焦點
第1章 數據挖掘概述
1.什麼是數據挖掘?
2.數據挖掘能做什麼?
分類
估計
預測
組合或關聯法則
聚類
描述與可視化
3.商業領域的數據挖掘
作為研究工具的數據挖掘
改進生產過程的數據挖掘
市場行銷中的數據挖掘
客戶關係管理中的數據挖掘
4.技術層面的數據挖掘
數據挖掘與機器學習
數據挖掘與統計學
數據挖掘與決策支持
數據挖掘與計算機技術
5.數據挖掘的社會背景
第2章 為什麼要精通數據挖掘這門藝術
1.數據挖掘的四種方法
購買評分
購買軟體
聘請編外專家
培養企業內部骨幹
本章小結
第3章 數據挖掘方法論：互動循環系統
1.數據挖掘的兩種類型
有監督的數據挖掘
無監督的數據挖掘
2.數據挖掘的互動循環過程
3.正確識別業務問題
實施數據挖掘是否必要?
是否存在最讓人感興趣的客戶子群或客戶細分?
相應的行業規範有哪些?
關於數據
印證業內專家的觀點
4.將數據轉換成可操作的決策
確認和獲取數據
生成有效數據、探索數據以及清潔數據
將數據轉換成具有合適的粒度的數據
加入衍生變數
準備建模數據集
選擇建模技術和訓練模型
檢測模型的執行效率
5.將結果生成決策
6.評測模型的有效性
7.成功建立預測模型的要點
預測模型的時間範圍
模型的使用有效期
假定1：過去是將來的預言家
假定2：數據是可以獲得的
假定3：數據中應包括我們的預期目標
本章小結
第4章 客戶和他們的生命周期
1.誰是企業的客戶
消費者
企業客戶
客戶市場區隔
2.客戶的生命周期
客戶生命周期的不同階段
客戶生命周期中的重要事件
客戶生命周期中不同的時段所產生的資料
3.客戶的生理生命周期
4.選擇最佳時機，鎖定最佳客戶
預算最最佳化
促銷活動最最佳化
客戶最最佳化
本章小結
第2部分 數據挖掘的三大支柱
第5章 數據挖掘技術與算法
1.不同的目標要求不同的技術
不同的數據類型要求不同的方法
2.三種數據挖掘技術
3.自動類別偵測
K-均值類別偵測的工作原理
選擇聚類所產生的後果
4.決策樹
決策樹的工作原理
決策樹的建立過程
選擇決策樹所產生的後果
5.神經網路
神經網路的訓練
選擇神經網路所產生的後果
本章小結
第6章 無所不在的數據
1.數據結構
行
列
數據挖掘中列的作用
數據挖掘中的數據
2.數據看起來究竟像什麼?
數據從哪裡來
粒度的合適水平
度量數據取值的不同方法
3.多少數據才足夠呢?
4.衍生變數
使用衍生變數時應該注意的問題
離群點的處理
列變數的組合
分類匯總
從某一列中提取信息
時間序列
5.案例：客戶行為的界定
6.受污染的數據
缺失數據
定義模糊
謬誤值
本章小結
第7章 建立有效的預測模型
1.建立好的預測模型
預測模型的建立過程
對模型效果的衡量
模型穩定性
保持模型穩定性所面臨的挑戰
2.對模型集進行處理
分割與掌握：訓練集、測試集與評價集
模型集規模對模型效果的影響
模型集密度對模型效果的影響
抽樣
何謂過抽樣?
利用時間相關資料來建立模型
模型輸入和模型輸出
執行時間：考慮模型的建立時間
時間和遺漏數據
建立時間上易於轉換的模型
欄位命名
3.使用多個模型
多個模型的表決
將輸入分段
對模型進行組合的其他原因
4.做試驗!
模型集
不同類型的模型以及模型參數
時間範圍
本章小結
第8章 實施控制：建立數據挖掘環境
1.起步
何謂數據挖掘環境?
四個案例研究
數據挖掘環境得以成功的要素
2.案例1：建造公司內部核心競爭力
保險行業的數據挖掘
開端
3.案例2：創造新的商機
向網上發展
環境
潛在客戶的數據倉庫
下一個步驟
4.案例3：在數據倉庫工作中培養數據挖掘技能
特殊類型的數據倉庫
數據挖掘的計畫
信息技術部門內部的數據挖掘
5.案例4：利用特斯拉快速建模環境法(RME)進行數據挖掘
建立高級數據挖掘環境所需的條件
什麼是RME?
RME如何運作?
RME如何協助數據準備
RME如何支持抽樣
RME如何協助建立模型
RME如何協助模型評估和管理
本章小結
第3部分 案例研究
第9章 數據挖掘在目錄直銷業中的套用
第10章 數據挖掘在線上銀行業中的套用
第11章 數據挖掘在無線通信業中的套用
第12章 數據挖掘在電信業中的套用
第13章 誰正在買什麼?
第14章 不浪費、不短缺：改善生產流程
第15章 社會議題：數據挖掘與隱私權
索引
