《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 》》》《 》

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tipdm31

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tipcdm392

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

本 信息来源：