《數(shù)據(jù)挖掘：實(shí)用案例分析》是數(shù)據(jù)挖掘?qū)崙?zhàn)領(lǐng)域頗具特色的一部作品，作者曾為10余個(gè)行業(yè)上百家大型企業(yè)提供數(shù)據(jù)挖掘服務(wù)，本書是其在數(shù)據(jù)挖掘領(lǐng)域探索近10年的經(jīng)驗(yàn)總結(jié)之作。全書以實(shí)踐和實(shí)用為宗旨，深度與廣度兼顧，實(shí)踐與理論并舉。

《數(shù)據(jù)挖掘：實(shí)用案例分析》共12章，分三個(gè)部分。第一部分是基礎(chǔ)篇（第1～4章），主要對(duì)數(shù)據(jù)挖掘的基本概念、應(yīng)用分類、建模方法及常用的建模工具進(jìn)行了介紹，并對(duì)本書所用到的數(shù)據(jù)挖掘建模平臺(tái)TipDM進(jìn)行了說明。第二部分是實(shí)戰(zhàn)篇（第5～10章），以案例的形式對(duì)數(shù)據(jù)挖掘技術(shù)在金融、電信、電力、互聯(lián)網(wǎng)、生產(chǎn)制造以及公共服務(wù)等行業(yè)的應(yīng)用場(chǎng)景進(jìn)行了討論；首先介紹案例背景，然后闡述分析方法與過程，最后完成模型構(gòu)建；在介紹建模過程的同時(shí)穿插操作訓(xùn)練，把相關(guān)的知識(shí)點(diǎn)嵌入相應(yīng)的操作過程中；此外，第10章精心設(shè)計(jì)了6個(gè)實(shí)驗(yàn)項(xiàng)目，讀者可以通過本章介紹的方法動(dòng)手實(shí)踐，以鞏固數(shù)據(jù)挖掘知識(shí)，在分析建模過程的同時(shí)，進(jìn)一步增強(qiáng)動(dòng)手能力。第三部分是高級(jí)篇（第11～12章），主要介紹基于第三方接口的數(shù)據(jù)挖掘二次開發(fā)技術(shù)，重點(diǎn)對(duì)常用的WEKA和MATLAB數(shù)據(jù)挖掘算法接口進(jìn)行了探討；最后對(duì)基于Hadoop框架的海量數(shù)據(jù)挖掘進(jìn)行了說明，以滿足讀者更高層次的需求。

目錄
 

前 言
第一部分 基 礎(chǔ) 篇
第1章 初識(shí)數(shù)據(jù)挖掘
1.1 什么是數(shù)據(jù)挖掘
1.2 數(shù)據(jù)挖掘在企業(yè)商務(wù)智能應(yīng)用中的定位
1.2.1 數(shù)據(jù)挖掘給企業(yè)帶來最大的投資收益
1.2.2 數(shù)據(jù)挖掘從本質(zhì)上提升商務(wù)智能平臺(tái)的價(jià)值
1.2.3 數(shù)據(jù)挖掘讓商務(wù)智能流程真正形成閉環(huán)
1.3 信息類BI應(yīng)用與知識(shí)類BI應(yīng)用
1.4 數(shù)據(jù)挖掘現(xiàn)狀及應(yīng)用前景
1.5 本章小結(jié)
第2章 數(shù)據(jù)挖掘的應(yīng)用分類
2.1 分類與回歸
2.1.1 分類與回歸建模原理
2.1.2 分類與回歸算法
2.2 聚類
2.2.1 聚類分析建模原理
2.2.2 聚類算法
2.3 關(guān)聯(lián)規(guī)則
2.3.1 什么是關(guān)聯(lián)規(guī)則
2.3.2 關(guān)聯(lián)規(guī)則算法
2.4 時(shí)序模式
2.4.1 什么是時(shí)序模式
2.4.2 時(shí)間序列的組合成分
2.4.3 時(shí)間序列的組合模型
2.4.4 時(shí)序算法
2.5 偏差檢測(cè)
2.6 本章小結(jié)
第3章 數(shù)據(jù)挖掘建模
3.1 數(shù)據(jù)挖掘的過程
3.2 數(shù)據(jù)挖掘建模過程
3.2.1 定義挖掘目標(biāo)
3.2.2 數(shù)據(jù)取樣
3.2.3 數(shù)據(jù)探索
3.2.4 預(yù)處理
3.2.5 模式發(fā)現(xiàn)
3.2.6 模型構(gòu)建
3.2.7 模型評(píng)價(jià)
3.3 常用的建模工具
3.4 本章小結(jié)
第4章 頂尖數(shù)據(jù)挖掘平臺(tái)TipDM
4.1 TipDM產(chǎn)品功能
4.1.1 TipDM平臺(tái)提供的數(shù)據(jù)探索及預(yù)處理算法
4.1.2 TipDM平臺(tái)提供的分類與回歸算法
4.1.3 TipDM平臺(tái)提供的時(shí)序模式算法
4.1.4 TipDM平臺(tái)提供的聚類分析算法
4.1.5 TipDM平臺(tái)提供的關(guān)聯(lián)規(guī)則算法
4.2 TipDM使用說明
4.3 TipDM產(chǎn)品特點(diǎn)
4.3.1 支持CRISP-DM數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
4.3.2 提供豐富的數(shù)據(jù)挖掘模型和靈活算法
4.3.3 具有多模型的整合能力
4.3.4 提供靈活多樣的應(yīng)用開發(fā)接口
4.3.5 海量數(shù)據(jù)的處理能力
4.3.6 適應(yīng)不同類型層次人員需求
4.4 本章小結(jié)
第二部分 實(shí) 戰(zhàn) 篇
第5章 數(shù)據(jù)挖掘在金融電信行業(yè)的應(yīng)用
5.1 案例一：基于公司價(jià)值評(píng)價(jià)的證券策略投資
5.1.1 挖掘目標(biāo)的提出
5.1.2 分析方法與過程
5.1.3 建模仿真
5.1.4 核心知識(shí)點(diǎn)
5.1.5 拓展思考
5.2 案例二：電信3G客戶識(shí)別系統(tǒng)
5.2.1 挖掘目標(biāo)的提出
5.2.2 分析方法與過程
5.2.3 建模仿真
5.2.4 核心知識(shí)點(diǎn)
5.2.5 拓展思考
5.3 案例三：基于客戶分群的精準(zhǔn)智能營(yíng)銷
5.3.1 挖掘目標(biāo)的提出
5.3.2 分析方法與過程
5.3.3 建模仿真
5.3.4 核心知識(shí)點(diǎn)
5.3.5 拓展思考
5.4 本章小結(jié)
第6章 數(shù)據(jù)挖掘在電力行業(yè)的應(yīng)用
6.1 案例一：電力負(fù)荷預(yù)測(cè)
6.1.1 挖掘目標(biāo)的提出
6.1.2 分析方法與過程
6.1.3 建模仿真
6.1.4 核心知識(shí)點(diǎn)
6.1.5 拓展思考
6.2 案例二：自適應(yīng)防竊漏電實(shí)時(shí)診斷
6.2.1 挖掘目標(biāo)的提出
6.2.2 分析方法與過程
6.2.3 建模仿真
6.2.4 核心知識(shí)點(diǎn)
6.2.5 擴(kuò)展思考
6.3 本章小結(jié)
第7章 數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
7.1 案例一：商業(yè)零售行業(yè)中的購(gòu)物籃分析
7.1.1 挖掘目標(biāo)的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識(shí)點(diǎn)
7.1.5 拓展思考
7.2 案例二：電子商務(wù)網(wǎng)站用戶行為分析
7.2.1 挖掘目標(biāo)的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識(shí)點(diǎn)
7.2.5 拓展思考
7.3 案例三：網(wǎng)絡(luò)入侵智能檢測(cè)
7.3.1 挖掘目標(biāo)的提出
7.3.2 分析方法與過程
7.3.3 建模仿真
7.3.4 核心知識(shí)點(diǎn)
7.3.5 拓展思考
7.4 案例四：基于用戶行為分析的定向網(wǎng)絡(luò)廣告投放
7.4.1 挖掘目標(biāo)的提出
7.4.2 分析方法與過程
7.4.3 建模仿真
7.4.4 結(jié)果及分析
7.4.5 核心知識(shí)點(diǎn)
7.4.6 拓展思考
7.5 案例五：企業(yè)信息系統(tǒng)用戶服務(wù)感知評(píng)價(jià)
7.5.1 挖掘目標(biāo)的提出
7.5.2 分析方法與過程
7.5.3 建模仿真
7.5.4 核心知識(shí)點(diǎn)
7.5.5 拓展思考
7.6 本章小結(jié)
第8章 數(shù)據(jù)挖掘在生產(chǎn)制造行業(yè)中的應(yīng)用
8.1 案例一：基于小波變換的樁基完整性檢測(cè)
8.1.1 挖掘目標(biāo)的提出
8.1.2 分析方法與過程
8.1.3 仿真過程
8.1.4 核心知識(shí)點(diǎn)
8.1.5 拓展思考
8.2 案例二：基于水色圖像的水質(zhì)評(píng)價(jià)
8.2.1 挖掘目標(biāo)的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 核心知識(shí)點(diǎn)
8.2.5 拓展思考
8.3 案例三：生物質(zhì)廢物混合厭氧消化優(yōu)勢(shì)組分互補(bǔ)機(jī)制
8.3.1 挖掘目標(biāo)的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 核心知識(shí)點(diǎn)
8.3.5 拓展思考
8.4 案例四：基于RFM的企業(yè)客戶關(guān)系分析
8.4.1 挖掘目標(biāo)的提出
8.4.2 分析過程與方法
8.4.3 建模仿真
8.4.4 核心知識(shí)點(diǎn)
8.4.5 拓展思考
8.5 案例五：水產(chǎn)養(yǎng)殖投入產(chǎn)出多目標(biāo)優(yōu)化仿真
8.5.1 挖掘目標(biāo)的提出
8.5.2 分析方法與過程
8.5.3 建模仿真
8.5.4 核心知識(shí)點(diǎn)
8.5.5 拓展思考
8.6 本章小結(jié)
第9章 數(shù)據(jù)挖掘在公共服務(wù)行業(yè)的應(yīng)用
9.1 案例一：乳腺癌證素變化規(guī)律及截?cái)喁煼?br /> 9.1.1 挖掘目標(biāo)的提出
9.1.2 分析方法與過程
9.1.3 建模仿真
9.1.4 核心知識(shí)點(diǎn)
9.1.5 拓展思考
9.2 案例二：卷煙消費(fèi)者購(gòu)買行為分析
9.2.1 挖掘目標(biāo)的提出
9.2.2 分析過程與方法
9.2.3 挖掘建模
9.2.4 核心知識(shí)點(diǎn)
9.2.5 拓展思考
9.3 案例三：納稅人偷漏稅評(píng)估
9.3.1 挖掘目標(biāo)的提出
9.3.2 分析方法與過程
9.3.3 建模仿真
9.3.4 核心知識(shí)點(diǎn)
9.3.5 拓展思考
9.4 案例四：道路缺陷自動(dòng)識(shí)別
9.4.1 挖掘目標(biāo)的提出
9.4.2 分析方法與過程
9.4.3 建模仿真
9.4.4 核心知識(shí)點(diǎn)
9.4.5 拓展思考
9.5 案例五：航空公司客運(yùn)信息挖掘
9.5.1 挖掘目標(biāo)的提出
9.5.2 分析方法與過程
9.5.3 建模仿真
9.5.4 核心知識(shí)點(diǎn)
9.5.5 拓展思考
9.6 本章小結(jié)
第10章 動(dòng)手實(shí)踐
10.1 實(shí)驗(yàn)一：數(shù)據(jù)探索及數(shù)據(jù)預(yù)處理
10.2 實(shí)驗(yàn)二：神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與使用
10.3 實(shí)驗(yàn)三：決策樹模型的構(gòu)建與使用
10.4 實(shí)驗(yàn)四：聚類算法的構(gòu)建與使用
10.5 實(shí)驗(yàn)五：關(guān)聯(lián)規(guī)則模型的構(gòu)建與使用
10.6 實(shí)驗(yàn)六：時(shí)間序列模型的構(gòu)建與使用
10.7 本章小結(jié)
第三部分 高 級(jí) 篇
第11章 基于第三方接口的數(shù)據(jù)挖掘二次開發(fā)
11.1 WEKA數(shù)據(jù)挖掘接口
11.1.1 WEKA功能及其算法
11.1.2 WEKA包結(jié)構(gòu)
11.1.3 WEKA算法入口
11.1.4 二次開發(fā)相關(guān)輸出
11.2 MATLAB數(shù)據(jù)挖掘接口
11.3 案例：基于MATLAB接口的數(shù)據(jù)挖掘二次開發(fā)
11.3.1 接口算法編程
11.3.2 用Java Builder創(chuàng)建Java組件
11.3.3 安裝MATLAB運(yùn)行時(shí)環(huán)境
11.3.4 JDK環(huán)境及設(shè)置
11.4 本章小結(jié)
第12章 基于Hadoop框架的海量數(shù)據(jù)挖掘開發(fā)
12.1 基于云計(jì)算的海量數(shù)據(jù)挖掘技術(shù)特點(diǎn)
12.2 基于Hadoop的并行數(shù)據(jù)挖掘算法工具箱TipCDM
12.3 案例：基于海量計(jì)量數(shù)據(jù)的電力客戶在線分群方法
12.3.1 挖掘目標(biāo)的提出
12.3.2 分析方法與過程
12.3.3 建模仿真
12.3.4 核心知識(shí)點(diǎn)
12.4 本章小結(jié)
參考文獻(xiàn)