数据挖掘(Data Mining)是近年来数据库应用领域中相当热门的话题。数据挖掘指在数据库中,利用各种分析方法对累积的大量历史数据进行分析、归纳与整合等工作,以提取出有用的信息,找出有意义且用户有兴趣的模式(Interesting Patterns),供企业管理层进行决策。
谢邦昌,男,大学生物统计博士,现任台北医学大学管理学院副院长、大数据研究中心主任,“中华市场研究协会”理事长,“中华资料采矿协会”荣誉理事长,厦门大学讲座教授。主要研究方向为大数据分析、数据挖掘。
朱建平,男,南开大学理学博士,现任厦门大学管理学院教授、博士生导师、厦门大学数据挖掘研究中心主任,浙江工商大学现代商贸流通体系建设协同创新中心首席专家。担任中国统计学会副会长、教育部高等学校统计学类教学指导委员会秘书长。主要研究方向为数理统计、数据挖掘。
篇 基本知识
章 大数据与数据挖掘
1.1 大数据的定义
1.2 大数据的4V特征
1.3 大数据的预测魅力
1.4 数据挖掘定义
1.5 数据挖掘的重要性
1.6 数据挖掘功能
1.7 数据挖掘步骤
1.8 数据挖掘建模的标准ORI
1.9 大数据时代数据挖掘面临的挑战
第二章 数据挖掘运用理论及技术
2.1 回归分析
2.1.1 简单线性回归分析
2.1.2 多元回归分析
2.1.3 岭回归分析
2.1.4 Logistic回归分析
2.2 关联规则
2.3 聚类分析
2.4 判别分析
2.5 神经网络分析
2.6 决策树分析
2.7 其他分析方法
第三章 数据挖掘与其他相关领域的关系
3.1 数据挖掘与统计分析的不同
3.2 数据挖掘与数据仓储的关系
3.3 KDD与数据挖掘的关系
3.4 OLAP与数据挖掘的关系
3.5 数据挖掘与机器学习的关系
3.6 网络信息挖掘和数据挖掘有什么不同
第四章 数据挖掘商业软件产品及其应用现状
4.1 数据挖掘工具分类
4.2 各工具的简介
4.3 客户关系管理
4.4 数据挖掘在各行业的应用
第二篇 ExceI2013数据挖掘模型
第五章 安装与配置Excel2013数据挖掘加载项
5.1 需求
5.2 开始安装
5.3 完成安装验证
5.4 配置设定
5.5 设定完成验证
第六章 Excel2013数据挖掘入门
6.1 Excel2013数据挖掘工具栏介绍
6.2 数据挖掘使用说明
6.2.1 目录
6.2.2 使用者入门
6.2.3 视频和教程
6.3 数据挖掘连接设定
6.3.1 设定目前的连接
6.3.2 跟踪
6.4 数据准备
6.4.1 浏览数据
6.4.2 清除数据
6.4.3 分割数据
6.5 数据建模
6.6 准确性和验证
6.6.1 准确性图表
6.6.2 分类矩阵
6.6.3 利润图
6.7 模型用法
第三篇 实例
附录