未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

数据挖掘

作者: [美] 贝里著 , [美] 利诺夫著 , 袁卫译

出版社: 中国财政经济出版社

出版时间: 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

1 张插图图片

43人买过

　　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
行
列
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
行
列
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

数据挖掘

内容简介:

作者简介:

目录: