亚洲中文波霸中文字幕,在线天堂中文www官网,中文在线а√天堂

2019-12-27 15:12 來源：京東作者：京東

中國高等院校信息系統(tǒng)學科課程體系（CIS2011）規(guī)劃教材：商務智能方法與應用

編輯推薦:

內(nèi)容簡介:　　商務智能是從大量數(shù)據(jù)中發(fā)現(xiàn)隱含的知識，輔助管理人員做出科學決策的方法、系統(tǒng)和應用?！吨袊叩仍盒Ｐ畔⑾到y(tǒng)學科課程體系（CIS2011）規(guī)劃教材：商務智能方法與應用》主要介紹商務智能的基本概念、主要功能、系統(tǒng)架構，以及數(shù)據(jù)分析和數(shù)據(jù)管理的主要方法和技術。全書內(nèi)容分為5個部分，分別介紹了數(shù)據(jù)倉庫、在線分析處理以及數(shù)據(jù)挖掘的建模、分析和評價方法，涵蓋多維數(shù)據(jù)模型的建模、多維分析方法以及各種知識發(fā)現(xiàn)方法（包括關聯(lián)分析、分類、聚類、數(shù)值預測、序列模式挖掘、社會網(wǎng)絡分析、數(shù)據(jù)流數(shù)據(jù)挖掘、多關系數(shù)據(jù)挖掘以及協(xié)同過濾和意見挖掘等）；通過案例介紹了商務智能系統(tǒng)的應用；還介紹了常用軟件系統(tǒng)及其使用方法，并對商務智能對社會的影響和未來發(fā)展進行了分析和展望。
　　《中國高等院校信息系統(tǒng)學科課程體系（CIS2011）規(guī)劃教材：商務智能方法與應用》內(nèi)容具體、新穎、豐富、易于理解，反映了商務智能的最新發(fā)展趨勢，適合作為信息管理、計算機應用、電子商務以及管理專業(yè)本科生和碩士生的教材，也可以作為數(shù)據(jù)分析人員的參考資料。

作者簡介:

目錄:第Ⅰ部分商務智能概念及過程
第1章導言
1.1 商務智能的基本概念
1.1.1 數(shù)據(jù)
1.1.2 信息和知識
1.2 商務智能的系統(tǒng)構成
1.3 商務智能的發(fā)展歷史
練習題1
第2章商務智能過程
2.1 商務智能系統(tǒng)的開發(fā)方法
2.1.1 商務智能系統(tǒng)的開發(fā)過程
2.1.2 商務智能系統(tǒng)成功的關鍵因素
2.2 數(shù)據(jù)庫與數(shù)據(jù)倉庫
2.3 在線分析處理與在線事務處理
2.4 商務智能與決策支持系統(tǒng)
練習題2

第Ⅱ部分商務智能方法
第3章關聯(lián)分析
3.1 頻繁模式與關聯(lián)規(guī)則
3.2 頻繁項集的典型挖掘方法
3.2.1 逐層發(fā)現(xiàn)算法Apriori
3.2.2 無候選集發(fā)現(xiàn)算法FP-growth
3.3 關聯(lián)規(guī)則的生成方法
3.4 關聯(lián)規(guī)則的其他類型
3.4.1 多層次關聯(lián)規(guī)則
3.4.2 負模式
3.4.3 結構化數(shù)據(jù)中的關聯(lián)分析
3.5 關聯(lián)規(guī)則的興趣度的其他度量
練習題3
第4章分類
4.1 分類的概念
4.2 決策樹分類方法
4.2.1 決策樹的構建過程
4.2.2 屬性的類型及分裂條件
4.2.3 決策樹的剪枝
4.3 樸素貝葉斯分類
4.4 k近鄰分類
4.5 分類性能的度量方法
4.5.1 測試數(shù)據(jù)集的構造
4.5.2 分類性能的度量指標
4.5.3 不同分類模型的比較
練習題4
第5章數(shù)值預測
5.1 數(shù)值預測的概念
5.2 回歸方法
5.2.1 一元線性回歸
5.2.2 多元線性回歸
5.2.3 非線性回歸
5.3 回歸樹與模型樹
5.3.1 模型樹的構建
5.3.2 模型樹的剪枝
5.3.3 算法
5.4 k近鄰數(shù)值預測
5.5 預測誤差的度量
練習題5
第6章聚類分析
6.1 概述
6.1.1 聚類的概念
6.1.2 聚類方法分類
6.2 相似度衡量方法
6.2.1 數(shù)據(jù)類型
6.2.2 基于內(nèi)容的相似度衡量
6.2.3 基于鏈接的相似度衡量
6.3 k均值聚類法
6.4 層次聚類方法
6.5 DBSCAN方法
6.6 聚類效果衡量方法
練習題6

第Ⅲ部分基礎技術
第7章數(shù)據(jù)預處理
7.1 數(shù)據(jù)預處理的原因和任務
7.2 數(shù)據(jù)規(guī)范化
7.3 數(shù)據(jù)離散化
7.3.1 分箱離散化
7.3.2 基于熵的離散化
7.3.3 離散化方法ChiMerge
7.4 數(shù)據(jù)清洗
7.5 特征提取與特征選擇
7.5.1 特征選擇
7.5.2 特征提取
練習題7
第8章數(shù)據(jù)倉庫
8.1 數(shù)據(jù)倉庫的基本概念
8.2 數(shù)據(jù)倉庫的體系結構
8.3 多維數(shù)據(jù)模型
8.3.1 多維數(shù)據(jù)模型的概念
8.3.2 多維數(shù)據(jù)模型的構建方法
8.4 數(shù)據(jù)倉庫項目的開發(fā)
8.4.1 數(shù)據(jù)倉庫的開發(fā)模式
8.4.2 數(shù)據(jù)倉庫開發(fā)過程
練習題8
第9章在線分析處理
9.1 在線分析處理簡介
9.2 多維數(shù)據(jù)模型中的層次設計
9.3 立方體的定義和計算
9.4 OLAP的多維數(shù)據(jù)分析
練習題9
第10章商務智能可視化
10.1 商務智能可視化的類型
10.2 數(shù)據(jù)可視化
10.3 過程和結果可視化
10.4 積分卡和儀表盤
練習題10

第Ⅳ部分應用與系統(tǒng)
第11章商務智能應用
11.1 商務智能應用領域
11.1.1 關系營銷
11.1.2 生產(chǎn)管理
11.2 推薦系統(tǒng)
11.2.1 基于用戶的協(xié)同過濾
11.2.2 基于產(chǎn)品的協(xié)同過濾
11.2.3 基于內(nèi)容的推薦方法
11.3 意見挖掘
11.3.1 特征和意見的抽取
11.3.2 意見極性判斷
練習題11
第12章商務智能系統(tǒng)
12.1 開源數(shù)據(jù)挖掘軟件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商務智能系統(tǒng)
練習題12

第Ⅴ部分深度應用與發(fā)展
第13章復雜數(shù)據(jù)的商務智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定義
13.1.2 序列模式挖掘算法
13.2 社會網(wǎng)絡分析
13.2.1 中心度分析
13.2.2 鏈接分析
13.3 數(shù)據(jù)流數(shù)據(jù)挖掘
13.4 多關系數(shù)據(jù)挖掘
練習題13
第14章商務智能的社會影響與發(fā)展
14.1 商務智能中的隱私保護
14.2 移動商務智能
14.3 云商務智能
練習題14
參考文獻

相關商品