数据仓库与数据挖掘实务【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数据仓库与数据挖掘实务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章 数据仓库与数据挖掘概述1

1.1 数据库与数据仓库1

1.1.1 数据的层次性1

1.1.2 数据仓库出现的原因2

1.1.3 数据仓库的概念4

1.1.4 数据仓库与数据库的差异7

1.1.5 数据仓库的商业应用8

1.2 数据分析与数据挖掘9

1.2.1 什么是数据挖掘10

1.2.2 数据挖掘的商业流程12

1.2.3 数据挖掘的典型应用14

1.2.4 基于电子商务的数据挖掘技术17

1.2.5 典型的数据挖掘方法18

1.3 商务智能20

思考题22

第2章 数据仓库分析23

2.1 数据仓库的生命周期23

2.1.1 数据仓库规划分析阶段23

2.1.2 数据仓库设计实施阶段25

2.1.3 数据仓库使用维护阶段27

2.1.4 数据仓库开发的特点27

2.2 数据仓库的基本体系结构27

2.2.1 外部数据源28

2.2.2 数据抽取28

2.2.3 抽取存储区29

2.2.4 数据清洗29

2.2.5 数据转换29

2.2.6 数据集市30

2.3 数据仓库的构造模式30

思考题33

第3章 数据仓库设计34

3.1 数据仓库中数据模型概述34

3.2 概念模型设计35

3.2.1 企业模型的建立36

3.2.2 数据模型的规范37

3.2.3 常见的概念模型38

3.3 逻辑模型设计43

3.3.1 数据仓库的数据综合43

3.3.2 数据仓库中的时间分割44

3.3.3 数据仓库中的数据组织45

3.3.4 数据仓库的粒度设计45

3.4 物理模型设计50

3.4.1 物理模型的设计要点51

3.4.2 事实表的设计51

3.4.3 维度表的设计52

3.4.4 物理模型的设计对数据仓库性能的影响53

思考题55

第4章 数据仓库的使用56

4.1 数据仓库与联机分析处理56

4.1.1 联机分析处理的基本概念56

4.1.2 OLAP与OLTP的区别57

4.1.3 OLAP带来的好处58

4.1.4 数据仓库与OLAP59

4.1.5 OLAP多维数据分析59

4.2 元数据62

4.2.1 元数据的概念62

4.2.2 元数据的作用64

4.2.3 元数据的使用65

4.3 数据仓库的管理与维护66

4.3.1 数据管理66

4.3.2 系统管理68

4.4 数据仓库的优化75

4.4.1 索引技术75

4.4.2 物化视图77

4.4.3 其他优化手段79

4.5 主流的数据仓库厂商及产品80

4.6 基于Analysis Services的数据仓库构建过程81

4.6.1 数据准备82

4.6.2 数据仓库的构建过程84

4.6.3 开展OLAP分析95

思考题96

第5章 数据预处理97

5.1 数据预处理的重要性97

5.2 数据清洗99

5.2.1 缺失数据处理99

5.2.2 噪声数据的处理100

5.2.3 不一致数据处理100

5.3 数据集成与转换101

5.3.1 数据集成101

5.3.2 数据转换101

5.4 数据规约103

5.4.1 数据立方合计103

5.4.2 维规约104

5.4.3 数据压缩105

5.4.4 数据块的消减106

5.5 离散化和概念层次树生成107

5.5.1 数据概念层次树生成108

5.5.2 类别概念层次树生成110

思考题111

第6章 数据挖掘基础112

6.1 数据挖掘的任务112

6.2 数据挖掘的实施114

6.2.1 数据挖掘的基本过程114

6.2.2 数据挖掘的实施难点115

6.3 知识表示方法115

6.3.1 产生式知识表示方法116

6.3.2 产生式系统117

6.3.3 其他知识表示方法119

思考题121

第7章 数据挖掘的主要方法122

7.1 关联规则挖掘122

7.1.1 关联规则的定义和属性122

7.1.2 关联规则的挖掘124

7.1.3 关联规则的分类125

7.1.4 关联规则挖掘的相关算法126

7.1.5 关联分析的实际应用131

7.2 分类与预测134

7.2.1 分类问题与预测问题134

7.2.2 决策树137

7.2.3 人工神经网络143

7.2.4 其他分类方法149

7.2.5 预测150

7.2.6 分类与预测的实际应用152

7.3 聚类分析161

7.3.1 聚类的定义161

7.3.2 聚类分析中的数据类型与结构162

7.3.3 层次方法163

7.3.4 划分方法164

7.3.5 聚类的实际应用166

7.4 遗传算法172

7.4.1 遗传算法的历史和现状172

7.4.2 遗传算法常用的操作算子及实施步骤173

7.5 文本挖掘174

7.5.1 文本挖掘的主要应用174

7.5.2 文本表示方法177

7.5.3 中文的分词178

7.6 Web挖掘与电子商务180

7.6.1 Web挖掘定义180

7.6.2 Web挖掘与电子商务181

7.6.3 Web挖掘的数据来源与类型183

7.6.4 Web使用模式挖掘184

思考题187

第8章 大数据188

8.1 大数据的由来188

8.1.1 大数据概念188

8.1.2 大数据的典型特征188

8.2 大数据处理的相关技术189

8.3 大数据的作用191

8.3.1 数据机遇192

8.3.2 数据回报192

8.4 大数据应用案例193

8.4.1 塔吉特百货孕妇营销分析193

8.4.2 试衣间的大数据应用193

8.4.3 路易斯维尔利用大数据治理空气污染问题194

8.4.4 阿里信用贷款和淘宝数据魔方194

8.4.5 大数据时代的总统选举，奥巴马团队如何处理数据195

参考文献198