数据挖掘

数据挖掘
7.7
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: [美] [美]
出版社: 中国财政经济出版社
2004-01
版次: 1
ISBN: 9787500565819
定价: 38.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 373页
字数: 500千字
分类: 管理
  •   数据挖掘是信息领域发展最快的技术,很多不同领域的专家,比如统计学家、数据库专家等,都从中获得了发展的空间,使得数据挖掘日益成为企业界讨论的热门话题。随着信息技术的发展,人们采集数据的手段日益丰富与高明,由此积累的数据日益膨胀,数据量达到GB甚至TB级,而且高维数据也日益成为主流。这些海量数据及其高维特征使得传统的数据分析手段相形见绌。计算机性能的日益更新,使得人们能够期望计算机帮助我们分析与理解数据,帮助我们以丰富的数据为基础做出正确决策。   迈克尔·贝里和戈登·利诺夫是数据挖掘公司的创始人,这是美国一家很受欢迎的数据挖掘顾问公司。在从事数据挖掘项目之余,他们在世界各地讲课、演讲,所到之处均大受欢迎。 第1部分本书焦点
    第1章数据挖掘概述
    1.什么是数据挖掘?
    2.数据挖掘能做什么?
    分类
    估计
    预测
    组合或关联法则
    聚类
    描述与可视化
    3.商业领域的数据挖掘
    作为研究工具的数据挖掘
    改进生产过程的数据挖掘
    市场营销中的数据挖掘
    客户关系管理中的数据挖掘
    4.技术层面的数据挖掘
    数据挖掘与机器学习
    数据挖掘与统计学
    数据挖掘与决策支持
    数据挖掘与计算机技术
    5.数据挖掘的社会背景
    第2章为什么要精通数据挖掘这门艺术
    1.数据挖掘的四种方法
    购买评分
    购买软件
    聘请编外专家
    培养企业内部骨干
    本章小结
    第3章数据挖掘方法论:互动循环系统
    1.数据挖掘的两种类型
    有监督的数据挖掘
    无监督的数据挖掘
    2.数据挖掘的互动循环过程
    3.正确识别业务问题
    实施数据挖掘是否必要?
    是否存在最让人感兴趣的客户子群或客户细分?
    相应的行业规范有哪些?
    关于数据
    印证业内专家的观点
    4.将数据转换成可操作的决策
    确认和获取数据
    生成有效数据、探索数据以及清洁数据
    将数据转换成具有合适的粒度的数据
    加入衍生变量
    准备建模数据集
    选择建模技术和训练模型
    检测模型的执行效率
    5.将结果生成决策
    6.评测模型的有效性
    7.成功建立预测模型的要点
    预测模型的时间范围
    模型的使用有效期
    假定1:过去是将来的预言家
    假定2:数据是可以获得的
    假定3:数据中应包括我们的预期目标
    本章小结
    第4章客户和他们的生命周期
    1.谁是企业的客户
    消费者
    企业客户
    客户市场细分
    2.客户的生命周期
    客户生命周期的不同阶段
    客户生命周期中的重要事件
    客户生命周期中不同的时段所产生的资料
    3.客户的生理生命周期
    4.选择最佳时机,锁定最佳客户
    预算最优化
    促销活动最优化
    客户最优化
    本章小结

    第2部分数据挖掘的三大支柱
    第5章数据挖掘技术与算法
    1.不同的目标要求不同的技术
    不同的数据类型要求不同的方法
    2.三种数据挖掘技术
    3.自动类别侦测
    K-均值类别侦测的工作原理
    选择聚类所产生的后果
    4.决策树
    决策树的工作原理
    决策树的建立过程
    选择决策树所产生的后果
    5.神经网络
    神经网络的训练
    选择神经网络所产生的后果
    本章小结
    第6章无所不在的数据
    1.数据结构


    数据挖掘中列的作用
    数据挖掘中的数据
    2.数据看起来究竟像什么?
    数据从哪里来
    粒度的合适水平
    度量数据取值的不同方法
    3.多少数据才足够呢?
    4.衍生变量
    使用衍生变量时应该注意的问题
    离群点的处理
    列变量的组合
    分类汇总
    从某一列中提取信息
    时间序列
    5.案例:客户行为的界定
    6.受污染的数据
    缺失数据
    定义模糊
    谬误值
    本章小结
    第7章建立有效的预测模型
    1.建立好的预测模型
    预测模型的建立过程
    对模型效果的衡量
    模型稳定性
    保持模型稳定性所面临的挑战
    2.对模型集进行处理
    分割与掌握:训练集、测试集与评价集
    模型集规模对模型效果的影响
    模型集密度对模型效果的影响
    抽样
    何谓过抽样?
    利用时间相关资料来建立模型
    模型输入和模型输出
    执行时间:考虑模型的建立时间
    时间和遗漏数据
    建立时间上易于转换的模型
    字段命名
    3.使用多个模型
    多个模型的表决
    将输入分段
    对模型进行组合的其他原因
    4.做试验!
    模型集
    不同类型的模型以及模型参数
    时间范围
    本章小结
    第8章实施控制:建立数据挖掘环境
    1.起步
    何谓数据挖掘环境?
    四个案例研究
    数据挖掘环境得以成功的要素
    2.案例1:建造公司内部核心竞争力
    保险行业的数据挖掘
    开端
    3.案例2:创造新的商机
    向网上发展
    环境
    潜在客户的数据仓库
    下一个步骤
    4.案例3:在数据仓库工作中培养数据挖掘技能
    特殊类型的数据仓库
    数据挖掘的计划
    信息技术部门内部的数据挖掘
    5.案例4:利用特斯拉快速建模环境法(RME)进行数据挖掘
    建立高级数据挖掘环境所需的条件
    什么是RME?
    RME如何运作?
    RME如何协助数据准备
    RME如何支持抽样
    RME如何协助建立模型
    RME如何协助模型评估和管理
    本章小结
    ……
    第3部分案例研究
    第9章数据挖掘在目录直销业中的应用
    第10章数据挖掘在在线银行业中的应用
    第11章数据挖掘在无线通信业中的应用
    第12章数据挖掘在电信业中的应用
    第13章谁正在买什么?
    第14章不浪费、不短缺:改善生产流程
    第15章社会议题:数据挖掘与隐私权
    索引
  • 内容简介:
      数据挖掘是信息领域发展最快的技术,很多不同领域的专家,比如统计学家、数据库专家等,都从中获得了发展的空间,使得数据挖掘日益成为企业界讨论的热门话题。随着信息技术的发展,人们采集数据的手段日益丰富与高明,由此积累的数据日益膨胀,数据量达到GB甚至TB级,而且高维数据也日益成为主流。这些海量数据及其高维特征使得传统的数据分析手段相形见绌。计算机性能的日益更新,使得人们能够期望计算机帮助我们分析与理解数据,帮助我们以丰富的数据为基础做出正确决策。
  • 作者简介:
      迈克尔·贝里和戈登·利诺夫是数据挖掘公司的创始人,这是美国一家很受欢迎的数据挖掘顾问公司。在从事数据挖掘项目之余,他们在世界各地讲课、演讲,所到之处均大受欢迎。
  • 目录:
    第1部分本书焦点
    第1章数据挖掘概述
    1.什么是数据挖掘?
    2.数据挖掘能做什么?
    分类
    估计
    预测
    组合或关联法则
    聚类
    描述与可视化
    3.商业领域的数据挖掘
    作为研究工具的数据挖掘
    改进生产过程的数据挖掘
    市场营销中的数据挖掘
    客户关系管理中的数据挖掘
    4.技术层面的数据挖掘
    数据挖掘与机器学习
    数据挖掘与统计学
    数据挖掘与决策支持
    数据挖掘与计算机技术
    5.数据挖掘的社会背景
    第2章为什么要精通数据挖掘这门艺术
    1.数据挖掘的四种方法
    购买评分
    购买软件
    聘请编外专家
    培养企业内部骨干
    本章小结
    第3章数据挖掘方法论:互动循环系统
    1.数据挖掘的两种类型
    有监督的数据挖掘
    无监督的数据挖掘
    2.数据挖掘的互动循环过程
    3.正确识别业务问题
    实施数据挖掘是否必要?
    是否存在最让人感兴趣的客户子群或客户细分?
    相应的行业规范有哪些?
    关于数据
    印证业内专家的观点
    4.将数据转换成可操作的决策
    确认和获取数据
    生成有效数据、探索数据以及清洁数据
    将数据转换成具有合适的粒度的数据
    加入衍生变量
    准备建模数据集
    选择建模技术和训练模型
    检测模型的执行效率
    5.将结果生成决策
    6.评测模型的有效性
    7.成功建立预测模型的要点
    预测模型的时间范围
    模型的使用有效期
    假定1:过去是将来的预言家
    假定2:数据是可以获得的
    假定3:数据中应包括我们的预期目标
    本章小结
    第4章客户和他们的生命周期
    1.谁是企业的客户
    消费者
    企业客户
    客户市场细分
    2.客户的生命周期
    客户生命周期的不同阶段
    客户生命周期中的重要事件
    客户生命周期中不同的时段所产生的资料
    3.客户的生理生命周期
    4.选择最佳时机,锁定最佳客户
    预算最优化
    促销活动最优化
    客户最优化
    本章小结

    第2部分数据挖掘的三大支柱
    第5章数据挖掘技术与算法
    1.不同的目标要求不同的技术
    不同的数据类型要求不同的方法
    2.三种数据挖掘技术
    3.自动类别侦测
    K-均值类别侦测的工作原理
    选择聚类所产生的后果
    4.决策树
    决策树的工作原理
    决策树的建立过程
    选择决策树所产生的后果
    5.神经网络
    神经网络的训练
    选择神经网络所产生的后果
    本章小结
    第6章无所不在的数据
    1.数据结构


    数据挖掘中列的作用
    数据挖掘中的数据
    2.数据看起来究竟像什么?
    数据从哪里来
    粒度的合适水平
    度量数据取值的不同方法
    3.多少数据才足够呢?
    4.衍生变量
    使用衍生变量时应该注意的问题
    离群点的处理
    列变量的组合
    分类汇总
    从某一列中提取信息
    时间序列
    5.案例:客户行为的界定
    6.受污染的数据
    缺失数据
    定义模糊
    谬误值
    本章小结
    第7章建立有效的预测模型
    1.建立好的预测模型
    预测模型的建立过程
    对模型效果的衡量
    模型稳定性
    保持模型稳定性所面临的挑战
    2.对模型集进行处理
    分割与掌握:训练集、测试集与评价集
    模型集规模对模型效果的影响
    模型集密度对模型效果的影响
    抽样
    何谓过抽样?
    利用时间相关资料来建立模型
    模型输入和模型输出
    执行时间:考虑模型的建立时间
    时间和遗漏数据
    建立时间上易于转换的模型
    字段命名
    3.使用多个模型
    多个模型的表决
    将输入分段
    对模型进行组合的其他原因
    4.做试验!
    模型集
    不同类型的模型以及模型参数
    时间范围
    本章小结
    第8章实施控制:建立数据挖掘环境
    1.起步
    何谓数据挖掘环境?
    四个案例研究
    数据挖掘环境得以成功的要素
    2.案例1:建造公司内部核心竞争力
    保险行业的数据挖掘
    开端
    3.案例2:创造新的商机
    向网上发展
    环境
    潜在客户的数据仓库
    下一个步骤
    4.案例3:在数据仓库工作中培养数据挖掘技能
    特殊类型的数据仓库
    数据挖掘的计划
    信息技术部门内部的数据挖掘
    5.案例4:利用特斯拉快速建模环境法(RME)进行数据挖掘
    建立高级数据挖掘环境所需的条件
    什么是RME?
    RME如何运作?
    RME如何协助数据准备
    RME如何支持抽样
    RME如何协助建立模型
    RME如何协助模型评估和管理
    本章小结
    ……
    第3部分案例研究
    第9章数据挖掘在目录直销业中的应用
    第10章数据挖掘在在线银行业中的应用
    第11章数据挖掘在无线通信业中的应用
    第12章数据挖掘在电信业中的应用
    第13章谁正在买什么?
    第14章不浪费、不短缺:改善生产流程
    第15章社会议题:数据挖掘与隐私权
    索引
查看详情
好书推荐 / 更多
数据挖掘
译林幻系列:呼吸
[美国]特德·姜 著;耿辉 译
数据挖掘
山村暮鸟集:云
山村暮鸟 著
数据挖掘
剪辑之道:对话沃尔特·默奇
[加拿大]迈克尔·翁达杰(Michael Ondaatije) 著;夏彤 译
数据挖掘
教父电影全剧本(全彩插图评注版):马里奥·普佐与弗朗西斯·科波拉终稿
[美]珍妮·M·琼斯 著;高远致 译
数据挖掘
萨拉戈萨手稿
[波]扬·波托茨基 著;方颂华 译
数据挖掘
新民说·谁的历史
鲁西奇 著
数据挖掘
古欢:黄易与乾嘉金石时尚
薛龙春
数据挖掘
春之海终日悠哉游哉:与谢芜村俳句300
[日]与谢芜村 著
数据挖掘
我们能谈点开心的事吗(99图像小说)
[美]罗兹·查斯特 著
数据挖掘
狂想人生:皇后乐队传
[英]马克·布莱克 著;席虎牙 译
数据挖掘
思想的力量
[美]布鲁克·诺埃尔·穆尔;[美]肯尼思·布鲁德
数据挖掘
中唐至北宋的典范选择与诗歌因革
李贵 著;王水照 编