SQL Server 2008 R2數(shù)據(jù)挖掘與商業(yè)智能基礎(chǔ)及高級案例實戰(zhàn)

推薦序
前言
part i 數(shù)據(jù)倉庫、數(shù)據(jù)挖掘與商業(yè)智能
　chapter 1 緒論
　　1-1 商業(yè)智能
　　1-2 數(shù)據(jù)挖掘
　chapter 2 數(shù)據(jù)倉庫
　　2-1 數(shù)據(jù)倉庫定義
　　2-2 數(shù)據(jù)倉庫特性
　　2-3 數(shù)據(jù)倉庫架構(gòu)
　　2-4 創(chuàng)建數(shù)據(jù)倉庫的目的
　　2-5 數(shù)據(jù)倉庫的運用
　　2-6 數(shù)據(jù)倉庫的管理
　chapter 3 數(shù)據(jù)挖掘簡介
　　3-1 數(shù)據(jù)挖掘的定義
　　3-2 數(shù)據(jù)挖掘的重要性
　　3-3 數(shù)據(jù)挖掘的功能
　　3-4 數(shù)據(jù)挖掘的步驟
　　3-5 數(shù)據(jù)挖掘建模的標準crisp-dm
　　3-6 數(shù)據(jù)挖掘的應(yīng)用
　　3-7 數(shù)據(jù)挖掘軟件介紹
　chapter 4 數(shù)據(jù)挖掘的主要方法
　　4-1 回歸分析
　　4-2 關(guān)聯(lián)規(guī)則
　　4-3 聚類分析
　　4-4 判別分析
　　4-5 神經(jīng)網(wǎng)絡(luò)
　　4-6 決策樹
　　4-7 其他分析方法
　chapter 5 數(shù)據(jù)挖掘與相關(guān)領(lǐng)域的關(guān)系
　　5-1 數(shù)據(jù)挖掘與統(tǒng)計分析
　　5-2 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
　　5-3 數(shù)據(jù)挖掘與kdd
　　5-4 數(shù)據(jù)挖掘與olap
　　5-5 數(shù)據(jù)挖掘與機器學習
　　5-6 數(shù)據(jù)挖掘與web數(shù)據(jù)挖掘
part ii microsoft sql server概述
　chapter 6 microsoft sql server中的商業(yè)智能
　　6-1 microsoft sql server入門
　　6-2 關(guān)系數(shù)據(jù)倉庫
　　6-3 sql server 2008 r2概述
　　6-4 sql server 2008 r2技術(shù)
　　6-5 sql server 2008 r2新增功能
　chapter 7 microsoft sql server中的數(shù)據(jù)挖掘功能
　　7-1 創(chuàng)建商業(yè)智能應(yīng)用程序
　　7-2 microsoft sql server數(shù)據(jù)挖掘功能的優(yōu)勢
　　7-3 microsoft sql server數(shù)據(jù)挖掘算法
　　7-4 microsoft sql server可擴展性
　　7-5 microsoft sql server是數(shù)據(jù)挖掘與商業(yè)智能的結(jié)合
　　7-6 使用數(shù)據(jù)挖掘可以解決的問題
　chapter 8 microsoft sql server的分析服務(wù)（analysis services）
　　8-1 創(chuàng)建多維數(shù)據(jù)集的結(jié)構(gòu)
　　8-2 建立和部署多維數(shù)據(jù)集
　　8-3 從模板創(chuàng)建自定義的數(shù)據(jù)庫
　　8-4 統(tǒng)一維度模型
　　8-5 基于屬性的維度
　　8-6 維度類型
　　8-7 量度組和數(shù)據(jù)視圖
　　8-8 計算效率
　　8-9 mdx腳本
　　8-10 存儲過程
　　8-11 關(guān)鍵績效指標（kpi）
　　8-12 實時商業(yè)智能
　chapter 9 microsoft sql server的報表服務(wù)（reporting services）
　　9-1 為何使用報表服務(wù)
　　9-2 報表服務(wù)的功能
　chapter 10 microsoft sql server的整合服務(wù)
　　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函數(shù)
　　11-3 dmx語法
　　11-4 dmx操作實例
part iii microsoft sql server中的數(shù)據(jù)挖掘模型
　chapter 12 決策樹模型
　　12-1 基本概念
　　12-2 決策樹與判別函數(shù)
　　12-3 計算方法
　　12-4 操作范例
　chapter 13 貝葉斯分類器
　　13-1 基本概念
　　13-2 操作范例
　chapter 14 關(guān)聯(lián)規(guī)則
　　14-1 基本概念
　　14-2 關(guān)聯(lián)規(guī)則的種類
　　14-3 關(guān)聯(lián)規(guī)則的算法：apriori算法
　　14-4 操作范例
　chapter 15 聚類分析
　　15-1 基本概念
　　15-2 層級聚類法與動態(tài)聚類法
　　15-3 操作范例
　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 操作范例
　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 操作范例
　chapter 19 人工神經(jīng)網(wǎng)絡(luò)模型
　　19-1 基本概念
　　19-2 神經(jīng)網(wǎng)絡(luò)模型的特點
　　19-3 神經(jīng)網(wǎng)絡(luò)模型的優(yōu)劣比較
　　19-4 操作范例
　chapter 20 時序模型
　　20-1 基本概念
　　20-2 時序的構(gòu)成
　　20-3 簡單時序的預(yù)測
　　20-4 包含趨勢與季節(jié)成份的時序預(yù)測
　　20-5 參數(shù)化的時序預(yù)測模型
　　20-6 操作范例
part iv microsoft sql server數(shù)據(jù)挖掘應(yīng)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(jīng)網(wǎng)絡(luò)模型實例
　　23-1 神經(jīng)網(wǎng)絡(luò)模型實例一
　　23-2 神經(jīng)網(wǎng)絡(luò)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(shù)據(jù)挖掘模型
　　25-1 評估圖節(jié)點介紹 evaluation chart node
　　25-2 在sql server中如何評估模型
　　25-3 規(guī)則度量：支持度與可信度