作者：刘红岩
页数：196
出版社：清华大学出版社
出版日期：2019
ISBN：9787302310099
电子书格式：pdf/epub/txt
内容简介
商务智能是从大量数据中发现隐含的知识，辅助管理人员做出科学决策的方法、系统和应用。《商务智能方法与应用》主要介绍商务智能的基本概念、主要功能、系统架构，以及数据分析和数据管理的主要方法和技术。全书内容分为5个部分，分别介绍了数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法，涵盖多维数据模型的建模、多维分析方法以及各种知识发现方法（包括关联分析、分类、聚类、数值预测、序列模式挖掘、社会网络分析、数据流数据挖掘、多关系数据挖掘以及协同过滤和意见挖掘等）；通过案例介绍了商务智能系统的应用；还介绍了常用软件系统及其使用方法，并对商务智能对社会的影响和未来发展进行了分析和展望。 《商务智能方法与应用》内容具体、新颖、丰富、易于理解，反映了商务智能的新发展趋势，适合作为信息管理、计算机应用、电子商务以及管理专业本科生和硕士生的教材，也可以作为数据分析人员的参考资料。
本书特色
丛书特点： 贯彻信息系统学科课程教学体系 反映国际信息系统学科主流特点 强调和加强实践教学与实践能力 引导和培养创新思维与创造能力
目录
第1章 导言
1．1 商务智能的基本概念
1．1．1 数据
1．1．2 信息和知识
1．2 商务智能的系统构成
1．3 商务智能的发展历史
练习题1
第2章 商务智能过程
2．1 商务智能系统的开发方法
2．1．1 商务智能系统的开发过程
2．1．2 商务智能系统成功的关键因素
2．2 数据库与数据仓库
2．3 在线分析处理与在线事务处理
2．4 商务智能与决策支持系统
练习题2
第Ⅱ部分 商务智能方法
第3章 关联分析
3．1 频繁模式与关联规则
3．2 频繁项集的典型挖掘方法
3．2．1 逐层发现算法Apriori
3．2．2 无候选集发现算法FP-growth
3．3 关联规则的生成方法
3．4 关联规则的其他类型
3．4．1 多层次关联规则
3．4．2 负模式
3．4．3 结构化数据中的关联分析
3．5 关联规则的兴趣度的其他度量
练习题3
第4章 分类
4．1 分类的概念
4．2 决策树分类方法
4．2．1 决策树的构建过程
4．2．2 属性的类型及分裂条件
4．2．3 决策树的剪枝
4．3 朴素贝叶斯分类
4．4 k近邻分类
4．5 分类性能的度量方法
4．5．1 测试数据集的构造
4．5．2 分类性能的度量指标
4．5．3 不同分类模型的比较
练习题4
第5章 数值预测
5．1 数值预测的概念
5．2 回归方法
5．2．1 -元线性回归
5．2．2 多元线性回归
5．2．3 非线性回归
5．3 回归树与模型树
5．3．1 模型树的构建
5．3．2 模型树的剪枝
5．3．3 算法
5．4 k近邻数值预测
5．5 预测误差的度量
练习题5
第6章 聚类分析
6．1 概述
6．1．1 聚类的概念
6．1．2 聚类方法分类
6．2 相似度衡量方法
6．2．1 数据类型
6．2．2 基于内容的相似度衡量
6．2．3 基于链接的相似度衡量
6．3 k均值聚类法
6．4 层次聚类方法
6．5 DBSCAN方法
6．6 聚类效果衡量方法
练习题6
第Ⅲ部分 基础技术
第7章 数据预处理
7．1 数据预处理的原因和任务
7．2 数据规范化
7．3 数据离散化
7．3．1 分箱离散化
7．3．2 基于熵的离散化
7．3．3 离散化方法ChiMerge
7．4 数据清洗
7．5 特征提取与特征选择
7．5．1 特征选择
7．5．2 特征提取
练习题7
第8章 数据仓库
8．1 数据仓库的基本概念
8．2 数据仓库的体系结构
8．3 多维数据模型
8．3．1 多维数据模型的概念
8．3．2 多维数据模型的构建方法
8．4 数据仓库项目的开发
……
第Ⅳ部分 应用与系统
第Ⅴ部分深度应用与发展
参考文献
