第1篇 数据挖掘算法介绍
第1章 数据挖掘简介
1.1 数据挖掘的定义
1.2 数据挖掘的重要性
1.3 数据挖掘的功能
1.4 数据挖掘的步骤
1.5 数据挖掘建模的标准CRISP-DM
第2章 数据挖掘运用的理论和技术
2.1 回归分析
2.1.1 简单线性回归分析
2.1.2 多元回归分析
2.1.3 岭回归分析
2.1.4 Logistic回归分析
2.2 关联规则
2.3 聚类分析
2.4 判别分析
2.5 类神经网络分析
2.6 决策树分析
2.7 其他分析方法
第3章 数据挖掘与相关领域的关系
3.1 数据挖掘与统计分析的不同
3.2 数据挖掘与数据仓储的关系
3.3 知识发现与数据挖掘的关系
3.4 OLAP与数据挖掘的关系
3.5 数据挖掘与机器学习的关系
3.6 网络挖掘与数据挖掘的关系
第4章 数据挖掘商业软件产品及其应用现状
4.1 数据挖掘商业软件的分类
4.2 主要软件的介绍
4.3 顾客关系管理
4.4 数据挖掘的行业应用
第2篇 Excel 2007数据挖掘模块介绍
第5章 安装与设定Excel 2007数据挖掘加载项
5.1 系统需求
5.2 开始安装
5.3 完成安装验证
5.4 组件设定
5.5 配置完成检查
第6章 Excel 2007数据挖掘入门
6.1 Excel 2007数据挖掘功能介绍
6.2 数据挖掘使用说明
6.2.1 目录查询
6.2.2 开始功能
6.2.3 视频和教学
6.3 数据挖掘连接配置
6.3.1 设定目前的连接
6.3.2 跟踪
6.4 数据准备
6.4.1 浏览数据
6.4.2 清除数据
6.4.3 分割数据
6.5 数据建模
6.6 精确度和验证
6.6.1 准确性图表
6.6.2 分类矩阵
6.6.3 利润图
6.7 模型用法
6.7.1 浏览功能
6.7.2 查询功能
6.8 模型管理
6.8.1 重新命名挖掘模型
6.8.2 删除挖掘结构
6.8.3 清除挖掘结构
6.8.4 用原始数据处理挖掘结构
6.8.5 用新数据处理挖掘结构
6.8.6 导出挖掘结构
6.8.7 导入挖掘结构
第7章 决策树
7.1 基本概念
7.2 决策树模块的建立
7.3 决策树与判别函数比较
7.4 计算方法
7.4.1 确定预测精度的标准
7.4.2 选择分裂（分层）技术
7.4.3 定义停止分裂（分层）的时间点
7.4.4 选择适当大小的决策树
7.5 Excel 2007 决策树算法
第8章 贝叶斯概率分类
8.1 基本概念
8.2 Excel 2007贝叶斯概率分类
第9章 关联规则
9.1 基本概念
9.2 关联规则的种类
9.3 关联规则的算法：Apriori算法
9.4 Excel 2007关联规则
第10章 聚类分析
10.1 基本概念
10.2 层次聚类分析
10.3 聚类分析原理
10.4 Excel 2007聚类分析
第11章 时序聚类
11.1 基本概念
11.2 相关研究和算法
11.3 Excel 2007时序聚类
第12章 线性回归
12.1 基本概念
12.2 简单回归分析
12.3 多元回归分析
12.4 Excel 2007线性回归
第13章 Logistic回归
13.1 基本概念
13.2 logit变换
13.3 Logistic分布
13.4 列联表的Logistic回归模型
13.5 Excel 2007 Logistic回归
第14章 类神经网络
14.1 基本概念
14.2 类神经网络的架构与训练算法
14.3 类神经网络的特性
14.4 类神经网络应用
14.5 类神经网络优缺点
14.6 Excel 2007类神经网络
第15章 时间序列分析
15.1 基本概念
15.2 时间序列的成分
15.3 时间序列数据的图形介绍
15.4 利用平滑法预测
15.5 用趋势方程预测时间序列
15.6 预测含趋势与季节成分的时间序列
15.7 利用回归模型预测时间序列
15.8 其他预测模型
15.9 单变量时间序列预测模型
15.10 时间趋势预测模型
15.11 Excel 2007时间序列
第16章 DMX介绍
16.1 DMX介绍
16.2 DMX函数介绍
16.2.1 模型建立
16.2.2 模型训练
16.2.3 模型使用（预测）
16.2.4 其他函数语法
16.3 DMX数据挖掘语法
16.3.1 决策树
16.3.2 贝叶斯概率分类
16.3.3 关联规则
16.3.4 聚类分析
16.3.5 时序聚类
16.3.6 线性回归
16.3.7 Logistic回归
16.3.8 类神经网络
16.3.9 时间序列
16.4 DMX应用范例
16.4.1 分类
16.4.2 估计
16.4.3 预测
16.4.4 关联分组
16.4.5 聚类
第3篇 其他分析工具介绍
第17章 分析关键影响因素
第18章 检测类别
第19章 从示例填充
第20章 预测
第21章 突出显示异常值
第22章 应用场景分析
22.1 目标查找
22.2 假设
第23章 Visio 2007数据透视分析
第4篇 数据挖掘范例
第24章 上市公司投资价值分析的挖掘模型
24.1 研究动机与目的
24.2 挖掘模型的构建
24.3 变量筛选
24.4 决策树模型
24.5 贝叶斯概率模型
24.6 Logistic回归模型
24.7 预测准确度比较
第25章 信用卡用户信用评测的挖掘模型
25.1 研究背景
25.2 研究动机
25.3 研究目的
25.4 Excel 2007构建数据挖掘模型
25.4.1 决策树分析
25.4.2 聚类分析
25.4.3 Logistic回归
第26章 市场营销与客户细分的挖掘模型
26.1 研究动机与目的
26.2 研究方法与限制
26.3 数据分析
26.4 挖掘建模
26.4.1 决策树
26.4.2 单纯贝叶斯分类
26.4.3 聚类分析
26.4.4 决策树
26.4.5 Logistic回归
26.4.6 关联分析
26.5 结论
缺书网
扫码进群