數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工程實例

實例1 基于聯(lián)機(jī)分析處理技術(shù)的稅務(wù)審計分析
1.1 任務(wù)描述
1.2 技術(shù)原理
1.2.1 聯(lián)機(jī)分析處理的定義
1.2.2 聯(lián)機(jī)分析處理的一些具體操作
1.3 具體實現(xiàn)
1.3.1 建立數(shù)據(jù)庫
1.3.2 新建數(shù)據(jù)源
1.3.3 新建數(shù)據(jù)源視圖
1.3.4 瀏覽數(shù)據(jù)
1.3.5 數(shù)據(jù)分析
1.4 案例總結(jié)
實例2 基于關(guān)聯(lián)規(guī)則方法的網(wǎng)上交易服務(wù)質(zhì)量評價分析
2.1 任務(wù)描述
2.2 技術(shù)原理
2.2.1 關(guān)聯(lián)規(guī)則的概念
2.2.2 Apriori算法
2.3 具體實現(xiàn)
2.4 案例小結(jié)
實例3 基于Weka KnowledgFlow模塊的大學(xué)生專業(yè)方向預(yù)測分析
3.1 任務(wù)描述
3.2 技術(shù)原理
3.2.1 數(shù)據(jù)收集和準(zhǔn)備
3.2.2 模型選擇
3.3 具體實現(xiàn)
3.3.1 數(shù)據(jù)預(yù)處理
3.3.2 建立和使用知識流
3.4 案例小結(jié)
實例4 基于決策樹方法的網(wǎng)球運動天氣狀況評價分析
4.1 任務(wù)描述
4.2 技術(shù)原理
4.2.1 決策樹的概念
4.2.2 信息論的基本概念
4.2.3 ID3建樹算法
4.3 具體實現(xiàn)
4.4 案例小結(jié)
實例5 基于Weka Experimenter模塊的人力資源管理挖掘模型選擇分析
5.1 任務(wù)描述
5.2 技術(shù)原理
5.2.1 挖掘類型確定
5.2.2 數(shù)據(jù)收集和準(zhǔn)備
5.3 具體實現(xiàn)
5.3.1 數(shù)據(jù)預(yù)處理
5.3.2 模型比較和選擇
5.4 案例小結(jié)
實例6 基于貝葉斯方法的證券客戶流失預(yù)警分析
6.1 任務(wù)描述
6.2 技術(shù)原理
6.2.1 樸素貝葉斯分類算法
6.2.2 樸素貝葉斯分類舉例
6.3 具體實現(xiàn)
6.4 案例小結(jié)
實例7 基于人工神經(jīng)網(wǎng)絡(luò)方法的信貸數(shù)據(jù)分析
7.1 任務(wù)描述
7.2 技術(shù)原理
7.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
7.2.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
7.3 具體實現(xiàn)
7.3.1 數(shù)據(jù)準(zhǔn)備
7.3.2 挖掘流程
7.4 案例小結(jié)
實例8 基于K-means方法的梔子花聚類分析
8.1 任務(wù)描述
8.2 技術(shù)原理
8.3 具體實現(xiàn)
8.4 案例小結(jié)
實例9 基于線性回歸方法的汽車油耗預(yù)測分析
9.1 任務(wù)描述
9.2 技術(shù)原理
9.3 具體實現(xiàn)
9.4 案例小結(jié)
實例10 基于決策樹方法的中文文本自動分類分析
10.1 任務(wù)描述
10.2 技術(shù)原理
10.2.1 文本挖掘的概念
10.2.2 文本分詞技術(shù)
10.2.3 文本特征表示
10.3 具體實現(xiàn)
10.4 案例小結(jié)
附錄A SQL Server 2005的安裝
A1 任務(wù)描述
A2 具體實現(xiàn)
附錄B Weka軟件的安裝和數(shù)據(jù)轉(zhuǎn)換
B1 任務(wù)描述
B2 具體實現(xiàn)
參考文獻(xiàn)