数据挖掘原理与应用：SQL Server 2005数据库

　　第1章　数据挖掘导论
　　1.1　什么是数据挖掘
　　1.2　数据挖掘解决的商业问题
　　1.3　数据挖掘的任务
　　1.3.1　分类
　　1.3.2　聚类
　　1.3.3　关联
　　1.3.4　回归
　　1.3.5　预测
　　1.3.6　序列分析
　　1.3.7　偏差分析
　　1.4　数据挖掘技术
　　1.5　数据流
　　1.6　数据挖掘项目的生命周期
　　1.6.1　第1步：数据收集
　　1.6.2　第2步：数据清理和转换
　　1.6.3　第3步：模型构建
　　1.6.4　第4步：模型评估
　　1.6.5　第5步：报告
　　1.6.6  第6步：预测（评分）
　　1.6.7　第7步：应用集成
　　1.6.8　第8步：模型管理
　　1.7　数据挖掘当前市场与主要厂商
　　1.7.1　数据挖掘市场的大小
　　1.7.2　主要生产厂商和产品
　　1.8　目前存在的问题及挑战
　　1.9　数据挖掘标准
　　1.10　OLE DB for DM规范和XML for Analysis规范
　　1.10.1　用于数据挖掘的SQL/Multimedia
　　1.10.2　Java数据挖掘API
　　1.10.3　预测模型标记语言
　　1.10.4　Crisp－DM模型
　　1.10.5　公共仓库元数据
　　1.11　数据挖掘的新趋势
　　1.12　本章小结
　　第2章　OLE DB for DM规范
　　2.1　OLE DB介绍
　　2.2　为什么使用OLE DB进行数据挖掘
　　2.3　OLE DB for DM规范中的基本概念
　　2.3.1　事例
　　2.3.2　事例键
　　2.3.3　嵌套健
　　2.3.4　事例表和嵌套表
　　2.3.5　标量列和表列
　　2.3.6　数据挖掘模型
　　2.3.7　模型创建
　　2.3.8　模型训练
　　2.3.9　模型预测
　　2.4　DMX
　　2.4.1　数据挖掘的3个步骤
　　2.4.2　预测函数
　　2.4.3　单例查询
　　2.4.4　仅仅使用内容进行预测
　　2.4.5　钻取模型的内容
　　2.4.6　内容查询
　　2.5　理解模式行集
　　2.5.1　Mining－Services模型行集
　　……
　　第3章　实践SQL Server数据挖掘
　　第4章　Microsoft贝叶斯算法
　　第5章　Microsoft决策树算法
　　第6章　Micrsosft时序算法
　　第7章　Micrsosft聚类算法介绍
　　第8章　Microsoft序列聚类算法
　　第9章　Microsoft关联规则算法
　　第10章　Microsoft神经网络算法
　　第11章　挖掘OLAP立方体
　　第12章　SQL Server集成服务数据挖掘
　　第13章　SQL Server数据挖掘的体系结构
　　第14章　SQL Server数据挖掘编程
　　第15章　实现一个Web交叉销售应用程序
　　第16章　使用Microsoft进行高级预测
　　第17章　扩展SQL Server数据挖掘
　　第18章　总结与其他资源
　　附录A　导入数据集
　　附录B　支持的VBA函数和Excel函数
　　附录C　学习资源

　　ZhaoHui Tang是Microsoft SQL Server数据挖掘团队的项目经理。Jamie Maclennan是SQL Server数据挖掘引擎开发团队的开发组长。Zhaohui和Jamie是SQL Server数据挖掘组件的核心设计者，他们不仅经常在大型的数据库和数据挖掘会议上作报告，而且还在学术和行业博物上发表很多有关SQL Server数据挖掘方面的文章。

　　本书作为一本专家级指南，全面介绍了SQL　Server2005中数据挖掘的功能，并且对这些功能的应用作了较为详尽的讲述。书中不但讲述了数据挖掘的核心概念，还讲述了数据挖掘的最新发展趋势，并给出了一些数据挖掘的最佳实践。