SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战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

PARTⅠ数据仓库、数据挖掘与商业智能2

Chapter 1绪论2

1-1商业智能3

1-2数据挖掘7

Chapter 2数据仓库9

2-1数据仓库定义10

2-2数据仓库特性10

2-3数据仓库架构11

2-4创建数据仓库的目的12

2-5数据仓库的运用14

2-6数据仓库的管理14

Chapter 3数据挖掘简介16

3-1数据挖掘的定义17

3-2数据挖掘的重要性17

3-3数据挖掘的功能17

3-4数据挖掘的步骤18

3-5数据挖掘建模的标准CRISP-DM19

3-6数据挖掘的应用21

3-7数据挖掘软件介绍22

Chapter 4数据挖掘的主要方法24

4-1回归分析25

4-2关联规则27

4-3聚类分析27

4-4判别分析29

4-5神经网络29

4-6决策树31

4-7其他分析方法32

Chapter 5数据挖掘与相关领域的关系34

5-1数据挖掘与统计分析35

5-2数据挖掘与数据仓库35

5-3数据挖掘与KDD36

5-4数据挖掘与OLAP37

5-5数据挖掘与机器学习37

5-6数据挖掘与Web数据挖掘38

PART Ⅱ Microsoft SQL Server概述40

Chapter 6 Microsoft SQL Server中的商业智能40

6-1 Microsoft SQL Server入门41

6-2 关系数据仓库41

6-3 SQL Server 2008 R2概述42

6-4 SQL Server 2008 R2技术43

6-5 SQL Server 2008 R2新增功能45

Chapter 7 Microsoft SQL Server中的数据挖掘功能46

7-1 创建商业智能应用程序47

7-2 Microsoft SQL Server数据挖掘功能的优势48

7-3 Microsoft SQL Server数据挖掘算法50

7-4 Microsoft SQL Server可扩展性51

7-5 Microsoft SQL Server是数据挖掘与商业智能的结合51

7-6 使用数据挖掘可以解决的问题52

Chapter 8 Microsoft SQL Server的分析服务（Analysis Services）56

8-1创建多维数据集的结构57

8-2建立和部署多维数据集58

8-3从模板创建自定义的数据库58

8-4统一维度模型59

8-5基于属性的维度59

8-6维度类型60

8-7量度组和数据视图61

8-8计算效率62

8-9MDX脚本62

8-10存储过程63

8-11关键绩效指标（KPI）64

8-12实时商业智能64

Chapter 9 Microsoft SQL Server的报表服务（Reporting Services）66

9-1为何使用报表服务67

9-2报表服务的功能67

Chapter 10 Microsoft SQL Server的整合服务71

10-1SSIS介绍72

10-2操作示例79

Chapter 11 Microsoft SQL Server的DMX语言100

11-1 DMX语言介绍101

11-2 DMX函数102

11-3 DMX语法107

11-4 DMX操作实例115

PARTⅢMicrosoft SQL Server中的数据挖掘模型122

Chapter 12决策树模型122

12-1基本概念123

12-2决策树与判别函数123

12-3计算方法124

12-4操作范例126

Chapter 13贝叶斯分类器134

13-1基本概念135

13-2操作范例137

Chapter 14关联规则147

14-1基本概念148

14-2关联规则的种类149

14-3关联规则的算法：Apriori算法149

14-4操作范例150

Chapter 15 聚类分析160

15-1基本概念161

15-2层级聚类法与动态聚类法161

15-3操作范例166

Chapter 16时序聚类176

16-1基本概念177

16-2主要算法177

16-3操作示例179

Chapter 17线性回归模型187

17-1基本概念188

17-2一元回归模型189

17-3多元回归模型192

17-4操作范例195

Chapter 18逻辑回归模型203

18-1基本概念204

18-2logit变换与logistic分布204

18-3逻辑回归模型206

18-4操作范例207

Chapter 19人工神经网络模型215

19-1基本概念216

19-2神经网络模型的特点217

19-3神经网络模型的优劣比较218

19-4操作范例220

Chapter 20时序模型228

20-1基本概念229

20-2时序的构成231

20-3简单时序的预测237

20-4包含趋势与季节成份的时序预测238

20-5参数化的时序预测模型240

20-6操作范例243

PART Ⅳ Microsoft SQL Server数据挖掘应用实例253

Chapter 21决策树模型实例253

Chapter 22逻辑回归模型实例260

22-1回归模型实例一261

22-2回归模型实例二266

22-3回归模型实例三270

Chapter 23神经网络模型实例275

23-1神经网络模型实例一276

23-2神经网络模型实例二281

Chapter 24时序模型实例292

24-1时序模型实例一293

24-2时序模型实例二297

Chapter 25如何评估数据挖掘模型303

25-1评估图节点介绍Evaluation Chart Node304

25-2在SQL Server中如何评估模型307

25-3规则度量：支持度与可信度311