数据挖掘技术及应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数据挖掘技术及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 数据挖掘和商业决策第1章　数据挖掘引论3

1.1 概述3

1.2　数据挖掘的定义3

1.3　进行数据挖掘的必要性5

1.4　数据挖掘的过程6

1.4.1　定义业务目标7

1.4.2　甄别数据源7

1.4.3　收集数据8

1.4.4　选择数据8

1.4.5　数据质量检查9

1.4.6　数据转换10

1.4.7　数据挖掘10

1.4.8　结果解释11

1.5　数据挖掘的功能和方法12

1.5.1　预估模型13

1.5.2　聚类20

1.5.3　链接分析22

1.5.4　时间序列分析26

1.6　数据挖掘项目成功的要素26

1.6.1　好的数据源26

1.6.2　好的解决方案26

1.6.3　好的算法27

1.6.4　好的系统支持27

1.6.5　好的团队合作27

1.7 小结27

第2部分　数据挖掘技术第2章　聚类分析与统计基础31

2.1 聚类分析31

2.1.1　聚类的定义31

2.1.2　与聚类有关的常见问题31

2.1.3　聚类方法分析32

2.2　统计基础37

2.2.1　统计描述37

2.2.2　参数估计和假设检验41

2.2.3 回归分析56

2.2.4　属性数据分析72

2.2.5　主成分与因子分析80

2.2.6　相关分析与典型相关分析94

2.2.7　抽样方法101

第3章　预估与分类模型105

3.1 预估问题105

3.2　判别分析106

3.3 径向基函数RBF107

3.4　支持向量机112

3.4.1　线性可分的情形113

3.4.2　非线性可分的情形115

3.5 Bayes分类116

3.5.1　概述116

3.5.2 Bayes决策原理116

3.5.3　判别函数和决策面117

3.5.4　基于概率分布的Bayes分类118

3.5.5　小结121

3.6 决策树122

3.6.1　决策树的概念及基本算法122

3.6.2　基于信息熵的决策树归纳方法124

3.6.3　决策树修剪127

3.6.4　提取决策规则128

3.6.5　决策树的改进129

3.6.6　决策树实例131

3.7　神经网络135

3.7.1　概述135

3.7.2　感知器135

3.7.3　神经网络的结构136

3.7.4　激活函数136

3.7.5　多层前馈神经网络138

3.7.6　其他神经网络141

3.7.7　神经网络实例143

3.8 分类评价和性能的提高方法146

3.8.1　分类准确率的评价方法146

3.8.2　分类性能的提高方法147

3.8.3　分类的图形化评价方法148

3.8.4　小结151

第4章　链接分析152

4.1 关联分析152

4.1.1　概述152

4.1.2 Apriori算法153

4.1.3 Apriori算法的改进方法158

4.1.4 FP-Growth算法161

4.1.5　挖掘多维和多层关联规则162

4.1.6　关联规则分类164

4.1.7　小结165

4.1.8　关联规则实例165

4.2　序列模式分析169

4.2.1　概述169

4.2.2　定义与术语170

4.2.3　主要算法171

4.2.4　小结175

4.2.5　序列模式实例175

4.3 时间序列分析177

4.3.1　概述177

4.3.2　时间序列模型179

4.3.3　建模求解过程183

4.3.4　非平稳时间序列模型185

4.3.5　小结188

第3部分　数据挖掘应用第5章　客户细分191

5.1　银行的客户细分191

5.2　进行客户细分的原因192

5.3　客户细分的过程192

5.3.1　细分需要明确的问题193

5.3.2　客户细分过程193

5.4　银行客户细分的应用196

5.5 实例196

第6章　预筛选和目标模型199

6.1　预筛选模型199

6.2 目标模型199

6.2.1 目标模型的建立过程200

6.2.2　目标模型举例203

第7章　承销模型205

7.1　进行承销建模的目的205

7.2　承销模型的应用205

7.3　承销模型的建立过程205

7.4　承销模型举例207

7.4.1　证券承销风险的差异208

7.4.2　证券承销费的定价模型208

7.4.3　证券承销模型的关键指标209

第8章　不良行为和破产模型212

8.1 不良行为和破产模型简介212

8.2　破产模型的应用212

8.3　模型建立过程213

8.3.1　单一贷款额度的破产模型214

8.3.2　不同贷款额度的组合破产模型215

8.3.3 Z-Score破产模型215

第9章　欺诈侦测218

9.1 欺诈侦测的类型218

9.1.1　金融欺诈的类型218

9.1.2　欺诈侦测的类型220

9.2　欺诈侦测模型的建立221

9.2.1　概述221

9.2.　2欺诈侦测模型建立步骤222

9.3 建立欺诈侦测模型示例225

9.4　欺诈侦测模型的应用227

第10章　流失模型228

10.1 建立流失模型的过程228

10.2　流失模型举例230

10.2.1　概述231

10.2.2　业务目标231

10.2.3　数据处理232

10.2.4　结果展现和推荐措施237

10.2.5　建模方法241

10.2.6　客户流失模型的结果242

10.2.7　几点告诫和建议244

第11章　托收业务分析245

11.1 概述245

11.2　托收的方法和流程245

11.3　使用水平营销的方法增进托收策略246

11.4　举例249

第12章　赢利能力分析252

12.1 进行赢利能力分析的目的252

12.2　赢利能力分析过程252

12.3 赢利能力分析举例254

12.3.1　分析目标254

12.3.2　项目方法和流程254

12.3.3　分析数据255

12.3.4　数据挖掘过程255

12.3.5　赢利能力聚类模型255

12.3.6　聚类结果255

第13章　交叉销售和促销257

13.1 进行交叉销售的意义257

13.2　有效地完成交叉销售257

13.3 交叉销售建模过程258

13.4　交叉销售模型举例261

13.4.1　商业目标261

13.4.2　业务问题261

13.4.3　技术问题262

13.4.4　可用数据262

13.4.5　建模过程262

13.4.6　分析结果262

13.4.7　客户描述263

13.4.8　潜在利益263

第4部分　专题分析267

第14章　分销网络决策267

14.1 每种产品和服务的正确渠道267

14.2　分配渠道之术269

14.2.1　分销渠道的定位269

14.2.2　制定分销策略270

14.2.3　空间分析271

14.2.4　把空间分析和数据挖掘关联起来272

14.2.5　小结276

第15章　采用数据挖掘的定价策略277

15.1 进行产品定价的目标与原因277

15.2　影响定价的因素277

15.3　定价模式和定价策略278

15.3.1　竞争对手分析280

15.3.2　利润最大化283

15.4 小结284

第16章　文本挖掘285

16.1　文本挖掘概述285

16.2　文本挖掘的过程286

16.2.1　文本数据预处理286

16.2.2　文本挖掘分析288

16.2.3　可视化技术289

16.3 应用举例289

16.3.1　简介289

16.3.2　预测技术290

16.3.3　预测的评价291

第17章　客户关系管理292

17.1 金融业的客户关系管理292

17.2 CRM的关键策略292

17.2.1　市场营销292

17.2.2　客户招徕293

17.2.3　风险管理294

17.2.4　客户保持295

17.3 案例研究——保险市场的客户流失分析296

17.3.1　抽样297

17.3.2　数据探索297

17.3.3　数据调整298

17.3.4　数据变换298

17.3.5　变量筛选298

17.3.6　客户流失分析流程299

17.3.7　数据挖掘模型300

17.4 小结301

第18章　财务指标预警分析304

18.1 概述304

18.1.1 项目背景304

18.1.2　业务目标304

18.2　数据挖掘方案304

18.2.1　抽样与数据分割305

18.2.2　数据探索306

18.2.3　数据调整306

18.2.4　数据变换308

18.2.5　变量筛选311

18.2.6　预测模型314

18.2.7　结果评估319

18.2.8　模型流程图321

第19章　可视化技术323

19.1 概述323

19.2　可视化技术323

19.2.1　信息可视化324

19.2.2　一些可视化方法325

19.3 小结327

第20章　数据挖掘工具329

20.1　数据挖掘提供商329

20.1.1 国外数据挖掘提供商329

20.1.2　国内数据挖掘提供商337

20.2　有用的Web资源339

参考文献340