《数据挖掘：实用案例分析》
基本信息
作者： 张良均 陈俊德 刘名军 陈荣
丛书名： 大数据技术丛书
出版社：机械工业出版社
ISBN：9787111425915
上架时间：2013-7-4
出版日期：2013 年7月
开本：16开
页码：1
版次：1-1
所属分类：计算机 > 数据库 > 数据库存储与管理
更多关于 》》》《
数据挖掘：实用案例分析》
内容简介
计算机书籍
《数据挖掘：实用案例分析》是数据挖掘实战领域颇具特色的一部作品，作者曾为10余个行业上百家大型企业提供数据挖掘服务，本书是其在数据挖掘领域探索近10年的经验总结之作。全书以实践和实用为宗旨，深度与广度兼顾，实践与理论并举。
《数据挖掘：实用案例分析》共12章，分三个部分。第一部分是基础篇（第1～4章），主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍，并对本书所用到的数据挖掘建模平台tipdm进行了说明。第二部分是实战篇（第5～10章），以案例的形式对数据挖掘技术在金融、电信、电力、互联网、生产制造以及公共服务等行业的应用场景进行了讨论；首先介绍案例背景，然后阐述分析方法与过程，最后完成模型构建；在介绍建模过程的同时穿插操作训练，把相关的知识点嵌入相应的操作过程中；此外，第10章精心设计了6个实验项目，读者可以通过本章介绍的方法动手实践，以巩固数据挖掘知识，在分析建模过程的同时，进一步增强动手能力。第三部分是高级篇（第11～12章），主要介绍基于第三方接口的数据挖掘二次开发技术，重点对常用的weka和matlab数据挖掘算法接口进行了探讨；最后对基于hadoop框架的海量数据挖掘进行了说明，以满足读者更高层次的需求。
随书光盘中提供了本书的相关资料和案例资源，以及6个动手实验所使用的完整数据，方便读者动手实践书中所讲解的案例。
目录
《数据挖掘：实用案例分析》
前 言
第一部分 基 础 篇
第1章 初识数据挖掘
2
1.1 什么是数据挖掘
2
1.2 数据挖掘在企业商务智能应用中的定位
2
1.2.1 数据挖掘给企业带来最大的投资收益
3
1.2.2 数据挖掘从本质上提升商务智能平台的价值
3
1.2.3 数据挖掘让商务智能流程真正形成闭环
4
1.3 信息类bi应用与知识类bi应用
5
1.4 数据挖掘现状及应用前景
5
1.5 本章小结
7
第2章 数据挖掘的应用分类
8
2.1 分类与回归
8
2.1.1 分类与回归建模原理
9
2.1.2 分类与回归算法
10
2.2 聚类
11
2.2.1 聚类分析建模原理
11
2.2.2 聚类算法
12
2.3 关联规则
13
.2.3.1 什么是关联规则
13
2.3.2 关联规则算法
14
2.4 时序模式
14
2.4.1 什么是时序模式
14
2.4.2 时间序列的组合成分
15
2.4.3 时间序列的组合模型
15
2.4.4 时序算法
16
2.5 偏差检测
16
2.6 本章小结
17
第3章 数据挖掘建模
18
3.1 数据挖掘的过程
18
3.2 数据挖掘建模过程
18
3.2.1 定义挖掘目标
18
3.2.2 数据取样
19
3.2.3 数据探索
20
3.2.4 预处理
21
3.2.5 模式发现
23
3.2.6 模型构建
23
3.2.7 模型评价
24
3.3 常用的建模工具
27
3.4 本章小结
29
第4章 顶尖数据挖掘平台tipdm
31
4.1 tipdm产品功能
31
4.1.1 tipdm平台提供的数据探索及预处理算法
31
4.1.2 tipdm平台提供的分类与回归算法
32
4.1.3 tipdm平台提供的时序模式算法
34
4.1.4 tipdm平台提供的聚类分析算法
35
4.1.5 tipdm平台提供的关联规则算法
35
4.2 tipdm使用说明
37
4.3 tipdm产品特点
39
4.3.1 支持crisp-dm数据挖掘标准流程
39
4.3.2 提供丰富的数据挖掘模型和灵活算法
40
4.3.3 具有多模型的整合能力
40
4.3.4 提供灵活多样的应用开发接口
40
4.3.5 海量数据的处理能力
40
4.3.6 适应不同类型层次人员需求
41
4.4 本章小结
42
第二部分 实 战 篇
第5章 数据挖掘在金融电信行业的应用
44
5.1 案例一：基于公司价值评价的证券策略投资
44
5.1.1 挖掘目标的提出
44
5.1.2 分析方法与过程
44
5.1.3 建模仿真
51
5.1.4 核心知识点
52
5.1.5 拓展思考
53
5.2 案例二：电信3g客户识别系统
54
5.2.1 挖掘目标的提出
54
5.2.2 分析方法与过程
54
5.2.3 建模仿真
58
5.2.4 核心知识点
61
5.2.5 拓展思考
63
5.3 案例三：基于客户分群的精准智能营销
64
5.3.1 挖掘目标的提出
64
5.3.2 分析方法与过程
65
5.3.3 建模仿真
75
5.3.4 核心知识点
81
5.3.5 拓展思考
82
5.4 本章小结
83
第6章 数据挖掘在电力行业的应用
84
6.1 案例一：电力负荷预测
84
6.1.1 挖掘目标的提出
84
6.1.2 分析方法与过程
85
6.1.3 建模仿真
90
6.1.4 核心知识点
94
6.1.5 拓展思考
95
6.2 案例二：自适应防窃漏电实时诊断
96
6.2.1 挖掘目标的提出
96
6.2.2 分析方法与过程
96
6.2.3 建模仿真
107
6.2.4 核心知识点
110
6.2.5 扩展思考
111
6.3 本章小结
112
第7章 数据挖掘在互联网行业的应用
113
7.1 案例一：商业零售行业中的购物篮分析
113
7.1.1 挖掘目标的提出
113
7.1.2 分析方法与过程
113
7.1.3 建模仿真
118
7.1.4 核心知识点
120
7.1.5 拓展思考
121
7.2 案例二：电子商务网站用户行为分析
124
7.2.1 挖掘目标的提出
124
7.2.2 分析方法与过程
124
7.2.3 建模仿真
129
7.2.4 核心知识点
132
7.2.5 拓展思考
132
7.3 案例三：网络入侵智能检测
134
7.3.1 挖掘目标的提出
134
7.3.2 分析方法与过程
136
7.3.3 建模仿真
137
7.3.4 核心知识点
141
7.3.5 拓展思考
141
7.4 案例四：基于用户行为分析的定向网络广告投放
142
7.4.1 挖掘目标的提出
142
7.4.2 分析方法与过程
143
7.4.3 建模仿真
146
7.4.4 结果及分析
158
7.4.5 核心知识点
159
7.4.6 拓展思考
160
7.5 案例五：企业信息系统用户服务感知评价
161
7.5.1 挖掘目标的提出
161
7.5.2 分析方法与过程
161
7.5.3 建模仿真
186
7.5.4 核心知识点
192
7.5.5 拓展思考
193
7.6 本章小结
194
第8章 数据挖掘在生产制造行业中的应用
195
8.1 案例一：基于小波变换的桩基完整性检测
195
8.1.1 挖掘目标的提出
195
8.1.2 分析方法与过程
196
8.1.3 仿真过程
202
8.1.4 核心知识点
204
8.1.5 拓展思考
204
8.2 案例二：基于水色图像的水质评价
205
8.2.1 挖掘目标的提出
205
8.2.2 分析方法与过程
206
8.2.3 建模仿真
210
8.2.4 核心知识点
213
8.2.5 拓展思考
214
8.3 案例三：生物质废物混合厌氧消化优势组分互补机制
216
8.3.1 挖掘目标的提出
216
8.3.2 分析方法与过程
217
8.3.3 建模仿真
221
8.3.4 核心知识点
223
8.3.5 拓展思考
224
8.4 案例四：基于rfm的企业客户关系分析
224
8.4.1 挖掘目标的提出
224
8.4.2 分析过程与方法
226
8.4.3 建模仿真
229
8.4.4 核心知识点
236
8.4.5 拓展思考
236
8.5 案例五：水产养殖投入产出多目标优化仿真
239
8.5.1 挖掘目标的提出
239
8.5.2 分析方法与过程
240
8.5.3 建模仿真
244
8.5.4 核心知识点
249
8.5.5 拓展思考
250
8.6 本章小结
252
第9章 数据挖掘在公共服务行业的应用
253
9.1 案例一：乳腺癌证素变化规律及截断疗法
253
9.1.1 挖掘目标的提出
253
9.1.2 分析方法与过程
255
9.1.3 建模仿真
265
9.1.4 核心知识点
274
9.1.5 拓展思考
274
9.2 案例二：卷烟消费者购买行为分析
277
9.2.1 挖掘目标的提出
277
9.2.2 分析过程与方法
278
9.2.3 挖掘建模
281
9.2.4 核心知识点
287
9.2.5 拓展思考
288
9.3 案例三：纳税人偷漏税评估
288
9.3.1 挖掘目标的提出
288
9.3.2 分析方法与过程
290
9.3.3 建模仿真
294
9.3.4 核心知识点
300
9.3.5 拓展思考
301
9.4 案例四：道路缺陷自动识别
302
9.4.1 挖掘目标的提出
302
9.4.2 分析方法与过程
304
9.4.3 建模仿真
319
9.4.4 核心知识点
322
9.4.5 拓展思考
322
9.5 案例五：航空公司客运信息挖掘
322
9.5.1 挖掘目标的提出
322
9.5.2 分析方法与过程
323
9.5.3 建模仿真
327
9.5.4 核心知识点
348
9.5.5 拓展思考
352
9.6 本章小结
353
第10章 动手实践
354
10.1 实验一：数据探索及数据预处理
354
10.2 实验二：神经网络模型的构建与使用
356
10.3 实验三：决策树模型的构建与使用
358
10.4 实验四：聚类算法的构建与使用
360
10.5 实验五：关联规则模型的构建与使用
361
10.6 实验六：时间序列模型的构建与使用
363
10.7 本章小结
364
第三部分 高 级 篇
第11章 基于第三方接口的数据挖掘二次开发
366
11.1 weka数据挖掘接口
366
11.1.1 weka功能及其算法
366
11.1.2 weka包结构
367
11.1.3 weka算法入口
370
11.1.4 二次开发相关输出
370
11.2 matlab数据挖掘接口
370
11.3 案例：基于matlab接口的数据挖掘二次开发
372
11.3.1 接口算法编程
372
11.3.2 用java builder创建java组件
385
11.3.3 安装matlab运行时环境
386
11.3.4 jdk环境及设置
386
11.4 本章小结
389
第12章 基于hadoop框架的海量数据挖掘开发
390
12.1 基于云计算的海量数据挖掘技术特点
390
12.2 基于hadoop的并行数据挖掘算法工具箱tipcdm
392
12.3 案例：基于海量计量数据的电力客户在线分群方法
392
12.3.1 挖掘目标的提出
392
12.3.2 分析方法与过程
393
12.3.3 建模仿真
399
12.3.4 核心知识点
400
12.4 本章小结
401
参考文献
402