內容簡介
《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》全面介紹了數據挖掘與商業智慧型的基本概念與原理，包括經典理論與趨勢發展，並深入敘述了各種數據挖掘的技術與典型套用。通過《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》的學習，讀者可以對數據挖掘與商業智慧型的整體結構、概念、原理、技術和發展有深入的了解和認識。《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》以microsoft sql server 2008的數據挖掘模組進行介紹，讓讀者可以很快地通過書中的說明與範例，在最短的時間內就能上手。
《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》分為四個部分：第一部分介紹數據倉庫、數據挖掘與商業智慧型之間的關係。第二部分對microsoft sql server的整體架構加以介紹，並詳細闡述了直接與數據挖掘相關的兩個服務：分析服務和報表服務。第三部分逐一闡述了microsoft sql server中包含的九種數據挖掘模型。第四部分提供了四個數據挖掘的範例，通過模仿練習，讀者可獲得實際的數據挖掘經驗，稍加修改就能在自己所處的領域中加以套用。
編輯推薦
《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》：全面介紹了數據挖掘與商業智慧型的基本概念與原理，包括經典理論與趨勢發展，並深入敘述了各種 數據挖掘的技術與典型套用。通過《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》的學習，讀者可以對數據挖掘與商業智慧型的整體結構、概念、原 理、技術和發展有深入的了解和認識。以XMicrosoft SQL Server 2008 R2的數據挖掘模組進行介紹，讓讀者可以很快地通過書中的說明與範例，在最短的時間內就能上手。《SQL Server 2008 R2:數據挖掘與商業智慧型基礎及高級案例實戰》分為四個部分：
第一部分介紹數據倉庫、數據挖掘與商業智慧型之間的關係。
第二部分對Microsoft SQL Server的整體架構加以介紹，並詳細闡述了直接與數據挖掘相關的兩個服務：分析服務和報表服務。另外，介紹了Microsoft SQL Server的整合服務和DMX語言，便於已熟悉SQL資料庫的用戶編寫基於數據挖掘的大型套用項目。
第三部分逐一闡述了Microsoft SQL Server中包含的決策樹、貝葉斯分類器、關聯規則、聚類分析、時序聚類、線性回歸、邏輯回歸、神經網路、時序等九種數據挖掘模型。
第四部分提供了四個數據挖掘的範例，通過模仿練習，讀者可獲得實際的數據挖掘經驗，稍加修改就能在自己所處的領域中加以套用。為便於讀者更好理解和上機操作，每個包含軟體操作的章節里都配有詳細的操作步驟和說明。
數據挖掘領域“專家中的專家”謝邦昌傾心之作，智慧融化枯燥的概念，水煮講解9大演算算法，實際案例淋漓展示如何學以致用。
目錄
推薦序
前言
part i 數據倉庫、數據挖掘與商業智慧型
chapter 1 緒論
1-1 商業智慧型
1-2 數據挖掘
chapter 2 數據倉庫
2-1 數據倉庫定義
2-2 數據倉庫特性
2-3 數據倉庫架構
2-4 創建數據倉庫的目的
2-5 數據倉庫的運用
2-6 數據倉庫的管理
chapter 3 數據挖掘簡介
3-1 數據挖掘的定義
3-2 數據挖掘的重要性
3-3 數據挖掘的功能
3-4 數據挖掘的步驟
3-5 數據挖掘建模的標準crisp-dm
3-6 數據挖掘的套用
3-7 數據挖掘軟體介紹
chapter 4 數據挖掘的主要方法
4-1 回歸分析
4-2 關聯規則
4-3 聚類分析
4-4 判別分析
4-5 神經網路
4-6 決策樹
4-7 其他分析方法
chapter 5 數據挖掘與相關領域的關係
5-1 數據挖掘與統計分析
5-2 數據挖掘與數據倉庫
5-3 數據挖掘與kdd
5-4 數據挖掘與olap
5-5 數據挖掘與機器學習
5-6 數據挖掘與web數據挖掘
part ii microsoft sql server概述
chapter 6 microsoft sql server中的商業智慧型
6-1 microsoft sql server入門
6-2 關係數據倉庫
6-3 sql server 2008 r2概述
6-4 sql server 2008 r2技術
6-5 sql server 2008 r2新增功能
chapter 7 microsoft sql server中的數據挖掘功能
7-1 創建商業智慧型應用程式
7-2 microsoft sql server數據挖掘功能的優勢
7-3 microsoft sql server數據挖掘算法
7-4 microsoft sql server可擴展性
7-5 microsoft sql server是數據挖掘與商業智慧型的結合
7-6 使用數據挖掘可以解決的問題
chapter 8 microsoft sql server的分析服務(analysis services)
8-1 創建多維數據集的結構
8-2 建立和部署多維數據集
8-3 從模板創建自定義的資料庫
8-4 統一維度模型
8-5 基於屬性的維度
8-6 維度類型
8-7 量度組和數據視圖
8-8 計算效率
8-9 mdx腳本
8-10 存儲過程
8-11 關鍵績效指標(kpi)
8-12 實時商業智慧型
chapter 9 microsoft sql server的報表服務(reporting services)
9-1 為何使用報表服務
9-2 報表服務的功能
chapter 10 microsoft sql server的整合服務
10-1 ssis介紹
10-2 操作示例
chapter 11 microsoft sql server的dmx語言
11-1 dmx語言介紹
11-2 dmx函式
11-3 dmx語法
11-4 dmx操作實例
part iii microsoft sql server中的數據挖掘模型
chapter 12 決策樹模型
12-1 基本概念
12-2 決策樹與判別函式
12-3 計算方法
12-4 操作範例
chapter 13 貝葉斯分類器
13-1 基本概念
13-2 操作範例
chapter 14 關聯規則
14-1 基本概念
14-2 關聯規則的種類
14-3 關聯規則的算法:apriori算法
14-4 操作範例
chapter 15 聚類分析
15-1 基本概念
15-2 層級聚類法與動態聚類法
15-3 操作範例
chapter 16 時序聚類
16-1 基本概念
16-2 主要算法
16-3 操作示例
chapter 17 線性回歸模型
17-1 基本概念
17-2 一元回歸模型
17-3 多元回歸模型
17-4 操作範例
chapter 18 邏輯回歸模型
18-1 基本概念
18-2 logit變換與logistic分布
18-3 邏輯回歸模型
18-4 操作範例
chapter 19 人工神經網路模型
19-1 基本概念
19-2 神經網路模型的特點
19-3 神經網路模型的優劣比較
19-4 操作範例
chapter 20 時序模型
20-1 基本概念
20-2 時序的構成
20-3 簡單時序的預測
20-4 包含趨勢與季節成份的時序預測
20-5 參數化的時序預測模型
20-6 操作範例
part iv microsoft sql server數據挖掘套用實例
chapter 21 決策樹模型實例
chapter 22 邏輯回歸模型實例
22-1 回歸模型實例一
22-2 回歸模型實例二
22-3 回歸模型實例三
chapter 23 神經網路模型實例
23-1 神經網路模型實例一
23-2 神經網路模型實例二
chapter 24 時序模型實例
24-1 時序模型實例一
24-2 時序模型實例二
chapter 25 如何評估數據挖掘模型
25-1 評估圖節點介紹 evaluation chart node
25-2 在sql server中如何評估模型
25-3 規則度量:支持度與可信度
