SQL Server数据挖掘与商业智能基础及案例实战PDF|Epub|txt|kindle电子书版本网盘下载

SQL Server数据挖掘与商业智能基础及案例实战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

PART Ⅰ 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

1-1-1什么是商业智能3

1-1-2商业智能作用及意义3

1-1-3商业智能架构4

1-1-4商业智能中的挑战6

1-2数据挖掘7

1-3大数据9

1-3-1何谓大数据9

1-3-2大数据的应用9

1-4云计算10

Chapter 2数据仓库13

2-1数据仓库定义14

2-2数据仓库特性14

2-3数据仓库架构15

2-4创建数据仓库的目的17

2-5数据仓库的运用18

2-6数据仓库的管理19

2-7 No SQL数据库19

2-7-1 Key-Value型数据库20

2-7-2内存数据库20

2-7-3文件数据库20

2-7-4图形数据库20

2-8 Hadoop21

Chapter 3数据挖掘简介22

3-1数据挖掘的定义23

3-2数据挖掘的重要性23

3-3数据挖掘的功能23

3-4数据挖掘的步骤24

3-5数据挖掘建模的标准CRISP-DM25

3-6数据挖掘的应用27

3-7数据挖掘软件介绍28

3-8数据挖掘与Excel30

Chapter 4数据挖掘的主要方法31

4-1回归分析32

4-1-1简单线性回归分析32

4-1-2多元回归分析32

4-1-3脊回归分析32

4-1-4逻辑回归分析34

4-2关联规则34

4-3聚类分析34

4-4判别分析36

4-5神经网络37

4-6决策树39

4-7其他分析方法40

Chapter 5数据挖掘与相关领域的关系42

5-1数据挖掘与统计分析43

5-2数据挖掘与数据仓库43

5-3数据挖掘与知识发现（KDD）44

5-4数据挖掘与OLAP45

5-5数据挖掘与机器学习46

5-6数据挖掘与Web数据挖掘46

5-7数据挖掘、云计算与大数据47

PART Ⅱ Microsoft SQL Server概述49

Chapter 6 Microsoft SQL Server中的商业智能49

6-1 Microsoft SQL Server入门50

6-2关系数据仓库50

6-3 SQL Server 2014概述51

6-4 SQL Server 2014技术52

6-5 SQL Server 2014新增功能54

Chapter 7 Microsoft SQL Server中的56

数据挖掘功能56

7-1创建商业智能应用程序57

7-2 Microsoft SQL Server数据挖掘功能的优势59

7-2-1易于使用59

7-2-2简单而丰富的API59

7-2-3可伸缩性60

7-2-4数据挖掘算法60

7-3 Microsoft SQL Server数据挖掘算法61

7-4 Microsoft SQL Server可扩展性62

7-5 Microsoft SQL Server是数据挖掘与商业智能的结合62

7-5-1数据分析62

7-5-2报告63

7-6使用数据挖掘可以解决的问题63

7-6-1构建挖掘模型63

7-6-2构建数据挖掘应用程序64

7-6-3 DMX范例65

Chapter 8 Microsoft SQL Server的分析服务67

8-1创建多维数据集的结构68

8-2建立和部署多维数据集69

8-3从模板创建自定义的数据库69

8-4统一维度模型70

8-5基于属性的维度71

8-6维度类型72

8-7量度组和数据视图72

8-8计算效率73

8-9 MDX脚本74

8-10存储过程75

8-11关键绩效指标（KPI）75

8-12实时商业智能76

Chapter 9 Microsoft SQL Server的报表服务78

9-1为何使用报表服务79

9-2报表服务的功能80

9-2-1制作报表80

9-2-2管理报表80

9-2-3提交报表81

Chapter 10 Microsoft SQL Server的整合服务83

10-1 SSIS介绍84

10-1-1 DTS与SSIS84

10-1-2 DTS升级到Integration Services重点84

10-1-3 SSIS版本85

10-1-4 SSIS（SQL Server Integration Service）架构图85

10-1-5 Integration Service数据流85

10-1-6 SSIS Designer87

10-1-7数据流87

10-1-8控制流88

10-2操作示例92

10-2-1将Excel数据表导入SQL数据库中的数据表92

10-2-2对数据进行抽样103

Chapter 11 Microsoft SQL Server的DMX语言114

11-1 DMX语言介绍115

11-2 DMX函数117

11-2-1模型建立117

11-2-2模型训练118

11-2-3模型使用（预测）118

11-2-4其他函数语法119

11-3 DMX语法122

11-3-1决策树123

11-3-2贝叶斯概率分类124

11-3-3关联规则125

11-3-4聚类分析126

11-3-5时序聚类分析127

11-3-6线性回归分析127

11-3-7逻辑回归128

11-3-8神经网络129

11-3-9时序130

11-4 DMX操作实例131

11-4-1分类132

11-4-2评估133

11-4-3预测134

11-4-4关联分组135

11-4-5聚类分组136

PART Ⅲ Microsoft SQL Server中的数据挖掘模型138

Chapter 12决策树模型138

12-1基本概念139

12-2决策树与判别函数139

12-3计算方法140

12-4操作范例142

Chapter 13贝叶斯分类器152

13-1基本概念153

13-2操作范例155

Chapter 14关联规则166

14-1基本概念167

14-2关联规则的种类168

14-3关联规则的算法：Apriori算法168

14-4操作范例169

Chapter 15 聚类分析179

15-1基本概念180

15-2层级聚类法与动态聚类法180

15-3操作范例185

Chapter 16时序聚类197

16-1基本概念198

16-2主要算法198

16-3操作示例200

Chapter 17线性回归模型210

17-1基本概念211

17-2一元回归模型212

17-2-1模型假设及推估212

17-2-2回归模型测试215

17-3多元回归模型216

17-3-1回归效果的评估216

17-3-2回归变量的选择218

17-4 操作范例219

Chapter 18逻辑回归模型228

18-1基本概念229

18-2 logit变换与logistic分布229

18-3逻辑回归模型231

18-4操作范例232

Chapter 19人工神经网络模型242

19-1基本概念243

19-2神经网络模型的特点245

19-3神经网络模型的优劣比较245

19-4 操作范例247

Chapter 20时序模型257

20-1基本概念258

20-2时序的构成260

20-3简单时序的预测266

20-4包含趋势与季节成分的时序预测268

20-5参数化的时序预测模型270

20-6操作范例274

PART Ⅳ Microsoft SQL Server数据挖掘应用实例285

Chapter 21决策树模型实例285

Chapter 22逻辑回归模型实例293

22-1回归模型实例一：肾细胞癌转移的回归模型294

22-2回归模型实例二：高中升学数据的回归模型300

22-3回归模型实例三306

Chapter 23神经网络模型实例312

23-1实例一：肾细胞癌转移的神经网络模型313

23-2实例二：电信行业神经网络模型319

Chapter 24时序模型实例332

24-1实例一：电力负载的时序模型333

24-2实例二：进出品货物价值的时序模型338

Chapter 25如何评估数据挖掘模型344

25-1评估图节点Evaluation Chart Node介绍345

25-2在SQL Server中如何评估模型348

25-3规则度量：支持度与可信度353

25-4结论355