SQL Server 2005数据挖掘

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

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

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。

存储技术的迅速发展，特别是硬件价格的下降，使得数据的积累速度不断提高，面对日益庞大的数据资源，我们迫切需要强有力的工具来挖掘其中有用的信息。Microsoft最新的数据库平台SQL Server 2005中的数据挖掘组件是数据挖掘工具的典型代表。. SQL Server 2000中包括的数据挖掘算法只有决策树算法和聚类算法，与之相比，SQL Server 2005中引入了多个新的数据挖掘算法，包括贝叶斯算法、时间序列算法、序列聚类算法、关联规则算法和神经网络算法。　　接受这本书的审校任务时，我正在美国进行商务访问。期间，遇到了我的好友，本书的作者之一：ZhaoHui Tang。谈起这本书已被译为中文，并很快在国内出版，大家都感到非常的高兴和欣慰。借此机会，我不妨谈谈自己的感想。. 数据挖掘，作为商业智能(Business Intelligence)实现的最深层次，在商业智能解决方案的体系中占据着重要的位置。数据库中存在的是数据，对于业务人员来说，只是一些无法看懂的天书，没有人会去拿放大镜分析数据库服务器硬盘上的磁轨。