SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战

推荐序前言part i 数据仓库、数据挖掘与商业智能　chapter 1 绪论　　1-1 商业智能　　1-2 数据挖掘　chapter 2 数据仓库　　2-1 数据仓库定义　　2-2 数据仓库特性　　2-3 数据仓库架构　　2-4 创建数据仓库的目的　　2-5 数据仓库的运用　　2-6 数据仓库的管理　chapter 3 数据挖掘简介　　3-1 数据挖掘的定义　　3-2 数据挖掘的重要性　　3-3 数据挖掘的功能　　3-4 数据挖掘的步骤　　3-5 数据挖掘建模的标准crisp-dm　　3-6 数据挖掘的应用　　3-7 数据挖掘软件介绍　chapter 4 数据挖掘的主要方法　　4-1 回归分析　　4-2 关联规则　　4-3 聚类分析　　4-4 判别分析　　4-5 神经网络　　4-6 决策树　　4-7 其他分析方法　chapter 5 数据挖掘与相关领域的关系　　5-1 数据挖掘与统计分析　　5-2 数据挖掘与数据仓库　　5-3 数据挖掘与kdd　　5-4 数据挖掘与olap　　5-5 数据挖掘与机器学习　　5-6 数据挖掘与web数据挖掘part ii microsoft sql server概述　chapter 6 microsoft sql server中的商业智能　　6-1 microsoft sql server入门　　6-2 关系数据仓库　　6-3 sql server 2008 r2概述　　6-4 sql server 2008 r2技术　　6-5 sql server 2008 r2新增功能　chapter 7 microsoft sql server中的数据挖掘功能　　7-1 创建商业智能应用程序　　7-2 microsoft sql server数据挖掘功能的优势　　7-3 microsoft sql server数据挖掘算法　　7-4 microsoft sql server可扩展性　　7-5 microsoft sql server是数据挖掘与商业智能的结合　　7-6 使用数据挖掘可以解决的问题　chapter 8 microsoft sql server的分析服务（analysis services）　　8-1 创建多维数据集的结构　　8-2 建立和部署多维数据集　　8-3 从模板创建自定义的数据库　　8-4 统一维度模型　　8-5 基于属性的维度　　8-6 维度类型　　8-7 量度组和数据视图　　8-8 计算效率　　8-9 mdx脚本　　8-10 存储过程　　8-11 关键绩效指标（kpi）　　8-12 实时商业智能　chapter 9 microsoft sql server的报表服务（reporting services）　　9-1 为何使用报表服务　　9-2 报表服务的功能　chapter 10 microsoft sql server的整合服务　　10-1 ssis介绍　　10-2 操作示例　chapter 11 microsoft sql server的dmx语言　　11-1 dmx语言介绍　　11-2 dmx函数　　11-3 dmx语法　　11-4 dmx操作实例part iii microsoft sql server中的数据挖掘模型　chapter 12 决策树模型　　12-1 基本概念　　12-2 决策树与判别函数　　12-3 计算方法　　12-4 操作范例　chapter 13 贝叶斯分类器　　13-1 基本概念　　13-2 操作范例　chapter 14 关联规则　　14-1 基本概念　　14-2 关联规则的种类　　14-3 关联规则的算法：apriori算法　　14-4 操作范例　chapter 15 聚类分析　　15-1 基本概念　　15-2 层级聚类法与动态聚类法　　15-3 操作范例　chapter 16 时序聚类　　16-1 基本概念　　16-2 主要算法　　16-3 操作示例　chapter 17 线性回归模型　　17-1 基本概念　　17-2 一元回归模型　　17-3 多元回归模型　　17-4 操作范例　chapter 18 逻辑回归模型　　18-1 基本概念　　18-2 logit变换与logistic分布　　18-3 逻辑回归模型　　18-4 操作范例　chapter 19 人工神经网络模型　　19-1 基本概念　　19-2 神经网络模型的特点　　19-3 神经网络模型的优劣比较　　19-4 操作范例　chapter 20 时序模型　　20-1 基本概念　　20-2 时序的构成　　20-3 简单时序的预测　　20-4 包含趋势与季节成份的时序预测　　20-5 参数化的时序预测模型　　20-6 操作范例part iv microsoft sql server数据挖掘应用实例　chapter 21 决策树模型实例　chapter 22 逻辑回归模型实例　　22-1 回归模型实例一　　22-2 回归模型实例二　　22-3 回归模型实例三　chapter 23 神经网络模型实例　　23-1 神经网络模型实例一　　23-2 神经网络模型实例二　chapter 24 时序模型实例　　24-1 时序模型实例一　　24-2 时序模型实例二　chapter 25 如何评估数据挖掘模型　　25-1 评估图节点介绍 evaluation chart node　　25-2 在sql server中如何评估模型　　25-3 规则度量：支持度与可信度

《sql server 2008r2数据挖掘出商业智能基础及高级案例实战》全面介绍了数据挖掘与商业智能的基本概念与原理，包括经典理论与趋势发展，并深入叙述了各种数据挖掘的技术与典型应用。通过本书的学习，读者可以对数据挖掘与商业智能的整体结构、概念、原理、技术和发展有深入的了解和认识。　　《sql server 2008 r2数据挖掘出商业智能基础及高级案例实战》以microsoft sql server2008的数据挖掘模块进行介绍，让读者可以很快地通过书中的说明与范例，在最短的时间内就能上手。　　《sql server 2008r2数据挖掘出商业智能基础及高级案例实战》分为四个部分：第一部分介绍数据仓库、数据挖掘与商业智能之间的关系。第二部分对microsoftsqlserver的整体架构加以介绍，并详细阐述了直接与数据挖掘相关的两个服务：分析服务和报表服务。第三部分逐一阐述了microsoftsqlserver中包含的九种数据挖掘模型。第四部分提供了四个数据挖掘的范例，通过模仿练习，读者可获得实际的数据挖掘经验，稍加修改就能在自己所处的领域中加以应用。