返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书商业智能原理与应用(第2版)9787308188241
  • 正版全新
    • 作者: 鲍立威,蔡颖著 | 鲍立威,蔡颖编 | 鲍立威,蔡颖译 | 鲍立威,蔡颖绘
    • 出版社: 浙江大学出版社有限责任公司
    • 出版时间:2020-08-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 鲍立威,蔡颖著| 鲍立威,蔡颖编| 鲍立威,蔡颖译| 鲍立威,蔡颖绘
    • 出版社:浙江大学出版社有限责任公司
    • 出版时间:2020-08-01
    • 版次:1
    • 页数:348
    • 开本:16开
    • ISBN:9787308188241
    • 版权提供:浙江大学出版社有限责任公司
    • 作者:鲍立威,蔡颖
    • 著:鲍立威,蔡颖
    • 装帧:平装
    • 印次:暂无
    • 定价:60.00
    • ISBN:9787308188241
    • 出版社:浙江大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-08-01
    • 页数:348
    • 外部编号:1202040091
    • 版次:1
    • 成品尺寸:暂无

    章数据挖掘和商业智能

    节数据挖掘的兴起

    第二节什么是商业智能

    第三节数据挖掘和商业智能工具

    第四节数据挖掘应用案例

    小结

    思考与练习

    第二章数据仓库

    节数据仓库的概念

    第二节数据仓库的体系结构

    第三节元数据

    第四节数据集市

    第五节数据仓库设计与实施

    第六节Microsoft数据仓库和商业智能工具

    第七节数据仓库设计案例

    小结

    思考与练习

    实验

    第三章数据预处理

    节数据预处理的重要

    第二节数据清洗

    第三节数据集成与转换

    第四节数据消减

    第五节离散化和概念层次树生成

    第六节使用SSIS对数据进行ETL作
    小结

    思考与练习

    实验

    第四章多维数据分析

    节多维数据分析基础

    第二节多维数据分析方法

    第三节多维数据的存储方式

    第四节多维表达式

    第五节使用SLServerAnalysisServer构建维度和多维数据集

    第六节使用Excel数据透视图浏览多维数据集

    小结

    思考与练习

    实验

    第五章用MicrosoftSSRS处理智能报表

    节SSRS商业智能报表

    第二节使用SSRS创建报表

    小结

    实验

    第六章数据挖掘技术

    节数据挖掘的任务

    第二节数据挖掘的对象

    第三节数据挖掘系统的分类

    第四节数据挖掘项目的生命周期

    第五节数据挖掘面临的挑战及发展

    小结

    思考与练习

    第七章关联挖掘

    节关联规则挖掘

    第二节单维布尔关联规则挖掘

    第三节挖掘多层次关联规则

    第四节多维关联规则的挖掘

    第五节关联挖掘中的相关分析

    第六节利用MicrosoftSSAS进行关联挖掘

    小结

    思考与练习

    实验

    第八章分类与预测

    节类与预测基本知识

    第二节有关分类和预测的几个问题

    第三节基于决策树的分类

    第四节贝叶斯分类方法

    第五节神经网络分类方法

    第六节分类器准确

    第七节预测方法

    第八节Microsoft贝叶斯算法

    第九节Microsoft决策树算法

    第十节Microsoft神经网络算法

    小结

    思考与练习

    实验

    第九章聚类分析

    节聚类分析概念

    第二节聚类分析中的数据类型

    第三节主要聚类方法

    第四节划分方法

    第五节层次方法

    第六节基于密度方法

    第七节异常数据分析

    第八节Microsoft聚类算法

    小结

    思考与练习

    实验

    第十章时序数据和序列数据挖掘

    节时间序列模型

    第二节Microsoft的时序算法

    第三节Microsoft时序算法示例

    第四节Microsoft的序列模式挖掘

    小结

    思考与练习

    实验

    十章基于多维数据集的数据挖掘

    节OLAP和数据挖掘之间的关系

    第二节构建OLAP挖掘模型

    小结

    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购