数据挖掘：构筑企业竞争优势

第1部分 入门篇

第1章　数据挖掘引论

1. 1　什么是数据挖掘？

1. 2　为什么要进行数据挖掘？

1. 2. 1　使用数据挖掘的例子

1. 3　实现数据挖掘的实例研究

1. 3. 1　数据挖掘技术在美国西部电信公司中的应用

1. 3. 2　数据挖掘在贝斯出口公司的应用

1. 3. 3　数据挖掘在路透社的应用

1. 4　开展数据挖掘以提高企业竞争力的成功步骤

1. 4. 1　问题定义

1. 4. 2　发现信息

1. 4. 3　制定计划

1. 4. 4　采取行动

1. 4. 5　监测效果

1. 4. 6　对数据挖掘过程的讨论

1. 5　有关隐私问题的说明

1. 6　小结

第2章　数据挖掘入门

2. 1　分类（有指导的学习）

2. 1. 1　目标

2. 1. 2　研究主题

2. 2　聚类研究（无指导的学习）

2. 2. 1　一个聚类的例子

2. 3　可视化

2. 4　关联（货篮子）分析

2. 4. 1　货篮子分析存在的问题

2. 5　品种优化

2. 5. 1　销量：多样性和替换性

2. 5. 2　成本：故事的另一面

2. 6　预测

2. 6. 1　相反的预测结果

2. 6. 2　胜出裕度

2. 6. 3　成本收益分析

2. 7　评估

2. 7. 1　评估的例子

2. 8　小结

第3章　数据挖掘过程

3. 1　数据挖掘的方法

3. 1. 1　SEMMA方法

3. 2　实例

3. 3　数据准备

3. 3. 1　获取数据

3. 3. 2　限定数据范围

3. 3. 3　数据质量

3. 3. 4　数据分组

3. 3. 5　数据导出

3. 4　确定主题

3. 4. 1　了解主题的局限性

3. 4. 2　选择良好的主题

3. 4. 3　主题的类型

3. 4. 4　哪些因素需要分析？

3. 4. 5　数据抽样问题

3. 5　读入数据并建立模型

3. 5. 1　关于模型的准确性

3. 5. 2　关于模型的可理解性

3. 5. 3　关于模型的性能

3. 6　理解模型

3. 6. 1　模型概要

3. 6. 2　数据分布

3. 6. 3　验证

3. 7　预测

3. 7. 1　其它候选结果

3. 7. 2　获选边际率

3. 7. 3　理解为什么会得到这样的预测结果

3. 8　小结

第4章　数据挖掘算法

4. 1　引言

4. 2　决策树

4. 2. 1　决策树如何工作

4. 2. 2　决策树方法的优缺点

4. 3　遗传算法

4. 3. 1　遗传算法如何工作

4. 3. 2　遗传算法的优缺点

4. 4　神经网络

4. 4. 1　神经网络如何工作

4. 4. 2　建立不同类型的模型--无指导的学习

4. 4. 3　模型的优缺点

4. 5　贝叶斯信任网络

4. 5. 1　贝叶斯信任网络如何工作

4. 5. 2　贝叶斯信任网络的优缺点

4. 6　统计分析

4. 6. 1　辨别分析

4. 6. 2　回归建模

4. 6. 3　优点和缺点

4. 7　关联分析的高级算法

4. 7. 1　发现关联的更好方法

4. 7. 2　统计相关以外的

4. 7. 3　理解关联

4. 7. 4　有效可行的市场篮子分析

4. 8　品种优化的高级算法

4. 8. 1　成本：像ABC一样简单？

4. 8. 2　相关成本

4. 8. 3　商业目标

4. 9　小结

第5章　数据挖掘市场

5. 1　简介（趋势）

5. 1. 1 数据仓库日益普及

5. 1. 2 Internet数据挖掘

5. 1. 3 EIS工具供应商也在集成数据挖掘功能

5. 1. 4　信息访问更容易

5. 1. 5　数据挖掘供应商更注重纵向市场

5. 2　数据挖掘工具供应商

5. 3　可视化

5. 3. 1　数据可视化的例子

5. 3. 2　供应商列表

5. 4　有用的网站／可获得的商业代码

5. 4. 1　数据挖掘网站

5. 4. 2　查找数据集

5. 4. 3　源代码

5. 5　用于数据挖掘的数据源

5. 6　小结

第2部分　工具篇

第6章　决策树方法在数据挖掘中的应用

6. 1　引言

6. 1. 1　对决策树方法的进一步说明

6. 1. 2　决策树方法的应用状况

6. 2　数据准备

6. 3　定义研究对象

6. 3. 1　定义挖掘目标

6. 3. 2　启动

6. 3. 3　设置因变量

6. 4　建立模型

6. 5　理解模型

6. 5. 1　观察其它分叉

6. 5. 2　进入特定分叉

6. 5. 3　扩展模型树

6. 5. 4　强制分叉

6. 5. 5　对模型进行验证

6. 5. 6　重新定义挖掘对象

6. 5. 7　模型树的自动扩展

6. 5. 8　数据分布

6. 6　预测

6. 7　小结

第7章　代理网络技术应用范例

7. 1　简介

7. 1. 1　RightPoint公司相关技术说明

7. 1. 2　如何使用RightPoint

7. 2　准备数据

7. 3　定义研究对象

7. 3. 1　定义目标

7. 3. 2　选择因变量

7. 3. 3　开始一次研究

7. 3. 4　开始运行RightPoint

7. 3. 5　建立数据规格

7. 4　读取数据准立发规模型

7. 5　理解模型

7. 5. 1　评估

7. 5. 2　改进模型

7. 5. 3　成本收益分析

7. 6　预测

7. 6. 1　假设分析

7. 6. 2　批预测

7. 7　小结

第3部分　应用篇

第8章　数据挖掘在若干行业中的应用

8. 1　数据挖掘在银行和金融部门的应用

8. 1. 1　股票预测

8. 1. 2　银行业的跨区销售和客户保持

8. 2　数据挖掘在零售部门的应用

8. 2. 1　一个数据挖掘在财产评估中应用的例子

8. 2. 2　零售业中客户收益率分析的一个例子

8. 3　数据挖掘在保健部门的应用

8. 3. 1　数据可视化在医疗业的应用

8. 4　数据挖掘在电信部门的应用

8. 4. 1　电信业的数据挖掘研究类型

8. 5　小结

第9章　基于数据仓库的数据挖掘

9. 1　引言

9. 1. 1　数据获取

9. 1. 2　数据精炼

9. 1. 3　数据仓库设计

9. 1. 4　数据仓库和数据集市的实现

9. 2　数据仓库在银行金融领域中的应用实例

9. 2. 1　事务型数据库系统与数据仓库

9. 2. 2　样例数据模型

9. 2. 3　预测信用卡欺诈

9. 2. 4　在客户保持中的应用

9. 2. 5　数据趋势分析

9. 3　数据仓库在零售领域中的应用实例

9. 3. 1　样例数据模型

9. 3. 2　哪种类型的客户会购买哪种类型的产品

9. 3. 3　有关销售区域分析和其它方面的例子

9. 4　数据仓库在医疗保健领域中的应用实例

9. 4. 1　样例数据模型

9. 4. 2　在医疗保健领域中进行数据挖掘的例子

9. 4. 3　有关在样例数据中增加病人信用数据的讨论

9. 5　数据仓库在电信领域中的应用实例

9. 5. 1　样例数据模型

9. 5. 2　数据收集

9. 5. 3　创建数据集

9. 6　小结

附录A　数据挖掘产品制造商

A. 1　数据挖掘提供商

A. 2　可视化工具

A. 3　有用的Web站点

A. 4　信息访问提供商

A. 5　数据仓库软件制造商

附录B　演示程序的安装

B. 1 Angoss Knowledge SEEKER演示版的安装

B. 2 RightPoint DataCrruncher演示版的安装