可视化数据挖掘 数据可视化和数据挖掘的技术与工具 techniques and tools for data visualization and mining【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

可视化数据挖掘 数据可视化和数据挖掘的技术与工具 techniques and tools for data visualization and miningPDF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

目录1

第1部分 项目规划阶段1

第1章 数据可视化和可视化数据挖掘介绍3

1.1 可视化数据集4

1.1.1 可视化数据类型5

1.1.2 可视维与数据维6

1.2数据可视化工具7

1.2.1 多维数据可视化工具8

1.2.2 层次和地形数据可视化工具17

1.3 可视化数据挖掘工具20

1.4 小结21

第2章 步骤1：验证和规划数据可视化和数据挖掘项目22

2.1 项目类型23

2.2 项目可行性分析24

2.2.1 Dayton Hudson公司成功案例25

2.2.2 Marketing Dynamics成功案例26

2.2.3 Sprint成功案例26

2.2.5 可视化数据挖掘的挑战27

2.2.4 Lowestfarecom成功案例27

2.3 闭环的业务模型29

2.3.1 使用闭环业务模型30

2.4 项目时间表32

2.5 项目资源和角色33

2.5.1 数据和业务分析团队34

2.5.2 领域专家团队35

2.5.3 决策制定团队36

2.5.4 操作团队36

2.5.5 数据仓库团队37

2.6 项目验证和计划的案例研究39

2.7 小结42

第3章 步骤2：识别关键的业务问题43

3.1 选择关键的业务问题43

3.1.1 数据挖掘不能解决的问题44

3.1.2 数据可视化问题定义44

3.1.3 可视化数据挖掘问题定义46

3.2 计划投资回报率（ROI）目标50

3.2.1 决定可视化和数据挖掘分析目标以及成功的条件53

3.3 问题和目标定义案例研究55

3.4 小结56

第2部分 数据预处理阶段57

第4章 步骤3：选择业务数据集59

4.1 识别操作型数据60

4.1.1 探索型数据集市61

4.1.2 业务数据集62

4.1.3 数据类型65

4.1.4 实验单元66

4.2 从操作型数据源选择字段71

4.2.1 数据维编码72

4.2.2 数据维一致性73

4.2.3 业务规则一致性74

4.2.4 惟一列74

4.2.5 重复列75

4.2.6 关联字段76

4.2.7 可忽略的字段76

4.3 ECTL过程的开发和归档77

4.3.1 数据清洗79

4.3.2 操作型数据源抽样84

4.3.3 避免样本偏差87

4.3.4 可用的ECTL工具89

4.3.5 ECTL过程归档89

4.4 选择业务数据集案例研究91

4.4.1 识别操作型数据源92

4.4.2 客户文件的ECTL过程94

4.4.3 客户文件ECTL过程归档99

4.4.4 合同文件的ECTL过程101

4.4.6 账单文件的ECTL过程104

4.4.5 合同文件ECTL过程归档104

4.4.7 账单文件ECTL构成归档108

4.4.8 人口统计文件的ECTL过程108

4.4.9 人口统计文件ECTL过程归档112

4.4.10 创建业务数据集的过程113

4.4.11 案例ECTL过程回顾114

4.5 小结115

第5章 步骤4：转换业务数据集116

5.1 逻辑转换的类别117

5.1.1 表级别的逻辑转换118

5.1.2 字段级别的逻辑转换129

5.1.3 逻辑转换归档136

5.2 客户保留业务数据集逻辑转换的VDM案例研究139

5.2.1 customer_join业务数据集逻辑转换141

5.2.2 业务数据集customer_join逻辑转换归档147

5.2.3 customer_demographic业务数据集逻辑转换148

5.2.5 案例研究中的逻辑转换过程回顾152

5.3 小结152

5.2.4 业务数据集customer_demographic逻辑转换归档152

第6章 步骤5：验证业务数据集154

6.1 验证过程155

6.1.1 验证数据准备操作的完整性156

6.1.2 验证数据准备操作的逻辑163

6.2 数据特征分析工具169

6.3 验证案例学习中的数据集170

6.3.1 验证ECTL过程170

6.3.2 验证逻辑转换179

6.4 小结181

第3部分 数据分析阶段和其他183

第7章 步骤6：选择可视化或挖掘工具185

7.1 选择合适的数据可视化工具185

7.1.1 多维可视化187

7.1.2 特殊的地形和层次可视化工具199

7.2 选择合适的数据挖掘工具203

7.2.1 哪些数据挖掘工具是可用的203

7.2.2 有监督和无监督的学习205

7.2.3 有监督学习工具206

7.2.4 无监督学习工具210

7.2.5 数据挖掘工具解决典型问题的情况213

7.2.6 哪种可用的工具最适合目前的情况214

7.3 为本案例选择可视化和数据挖掘工具218

7.3.1 选择数据可视化工具219

7.3.2 选择数据挖掘工具223

7.4 小结226

第8章 步骤7：分析可视化或挖掘工具227

8.1 分析数据可视化227

8.1.1 使用频率图发现和评估关键的业务指标228

8.1.2 使用帕雷托图发现和评估关键业务指标的重要性235

8.1.3 使用雷达图描绘季节性的趋势和问题区域238

8.1.4 使用折线图分析时间关系240

8.1.5 使用散点图评估因果关系243

8.2 分析数据挖掘模型248

8.2.1 使用可视化了解核心数据挖掘任务的性能249

8.3 使用可视化了解和评估有监督学习模型259

8.3.1 在模型部署之后使用可视化262

8.4 分析案例中的可视化和数据挖掘工具263

8.4.2 使用帕雷托图发现和评估关键业务指标的重要性265

8.4.1 使用带有趋势线的频率图分析时间关系265

8.4.3 使用散点图评估因果关系268

8.4.4 使用数据挖掘进一步认识客户流失问题269

8.5 小结283

第9章 步骤8：验证和展示可视化或挖掘模型284

9.1 验证数据可视化和挖掘模型284

9.1.1 验证业务数据集的逻辑转换285

9.1.2 验证你的业务假设286

9.2 组织和创建业务展示286

9.2.1 业务展示部分287

9.2.2 要求采取行动291

9.3 VDM项目的实施阶段292

9.4 验证和展示分析结果的案例研究295

9.4.1 验证对业务数据集所做的逻辑转换295

9.4.2 验证业务假设296

9.4.3 业务展示296

9.5 小结302

第10章 可视化数据挖掘的未来303

10.1 项目计划阶段304

10.2 数据准备阶段305

10.3 数据分析阶段310

10.4 商业可视化数据挖掘软件的趋势312

10.4.1 更多的图表种类和用户自定义的布局313

10.4.2 允许用于进行交互的动态可视化315

10.4.3 可视化数据结构的大小和复杂性316

10.4.4 工具间交换信息的标准316

10.5 小结317

词汇表318