- 商品参数
-
- 作者:
刘红岩著
- 出版社:清华大学出版社
- 开本:16开
- ISBN:9781123449182
- 版权提供:清华大学出版社
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
书名: | 商务智能方法与应用(第2版) |
出版社: | 清华大学出版社 |
出版日期 | 2020 |
ISBN号: | 9787302558101 |
|
务智能是从大量数据中发现隐含的知识,辅助管理人员科学决策的方法、系统和应用。本书主要介绍商务智能的基本概念、主要功能、系统架构以及数据分析和数据管理的主要方法和技术。全书内容分为五个部分,介绍了数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法,包括多维数据模型的建模、多维分析方法以及各种知识发现方法,包括:关联分析、分类、聚类、数值预测、序列数据挖掘、社会网络分析、数据流数据挖掘、自然语言处理、推荐模型和意见挖掘等; |
|
作者刘红岩是清华大学经济管理学院管理科学与工程系教授,获清华大学管理学博士学位。在清华大学讲授商务智能课程近20年,长期从事商务智能和数据挖掘领域的教学和科研工作。出版多部教材。在信息系统领域的国际顶级期刊发表文章多篇,在数据挖掘、知识发现等领域国际一流国际期刊和会议发表文章多篇。 |
|
注重理论与实钱两方面的兼顾,教学效果良好。正式出版后被中国人民大学等多所高校作为相关课程的教材选用,得到了同行专家的好评,并获清华大学优秀教材二等奖。教材内容方面还兼顾了非计算机专业学生的特点,能够结合案例循序渐进,课堂中不同层次的学生,如MBA、普通硕士研究生以及博士研究生,对本教材的使用均反映良好。 |
|
目录 第一部分商务智能概念及过程 第1章商务智能概述 1.1商务智能的基本概念 1.1.1数据 1.1.2信息和知识 1.2商务智能的系统构成 1.3商务智能的发展历史 练习题1 第2章商务智能过程 2.1商务智能系统的开发方法 2.1.1商务智能系统的开发过程 2.1.2商务智能系统成功的关键因素 2.2数据仓库与数据库 2.3联机事务处理与联机分析处理 2.4商务智能与决策支持系统 练习题2 第二部分商务智能方法 第3章关联分析 3.1频繁模式与关联规则 3.2频繁项集的典型挖掘方法 3.2.1逐层发现算法Apriori 3.2.2无候选集发现算法FPGrowth 3.3关联规则的生成方法 3.4关联规则的其他类型 3.4.1多层次关联规则 3.4.2负模式 3.4.3结构化数据中的关联分析 3.5关联规则的兴趣度的其他度量 练习题3 第4章分类 4.1分类的概念 4.2决策树分类方法 4.2.1决策树的构建过程 4.2.2属性的类型及分裂条件 4.2.3决策树的剪枝 4.3朴素贝叶斯分类 4.4K近邻分类 4.5逻辑回归 4.6支持向量机 4.6.1线性可分 4.6.2线性不可分 4.6.3软间隔支持向量机 4.7分类性能的度量方法 4.7.1测试数据集的构造 4.7.2分类性能的度量指标 4.7.3不同分类模型的比较 练习题4 第5章数值预测 5.1数值预测的概念 5.2回归方法 5.2.1一元线性回归 5.2.2多元线性回归 5.2.3非线性回归 5.3回归树与模型树 5.3.1模型树的构建 5.3.2模型树的剪枝 5.3.3算法 5.4K近邻数值预测 5.5预测误差的度量 练习题5 第6章聚类 6.1概述 6.1.1聚类的概念 6.1.2聚类方法分类 6.2相似度衡量方法 6.2.1数据类型 6.2.2基于内容的相似度衡量 6.2.3基于链接的相似度衡量 6.3K均值方法 6.4层次聚类方法 6.5DBSCAN算法 6.6聚类效果衡量方法 练习题6 第7章神经网络与深度学习 7.1多层感知机 7.1.1多层感机的模型结构 7.1.2多层感知机模型的训练 7.1.3正则化 7.2卷积神经网络 7.2.1卷积 7.2.2池化 7.2.3经典的卷积神经网络模型结构 7.3循环神经网络 7.3.1循环神经网络基本模型 7.3.2长短期记忆网络模型 7.3.3门控循环单元模型 7.4深度神经网络模型的优化 7.4.1小批量随机梯度 7.4.2动量梯度下降 7.4.3AdaGrad 7.4.4RMSProp 7.4.5Adam 7.4.6学习率衰减 练习题7 第三部分商务智能基础技术 第8章数据预处理 8.1数据预处理的原因和任务 8.2数据规范化 8.3数据离散化 8.3.1分箱离散化 8.3.2基于熵的离散化 8.3.3离散化方法ChiMerge 8.4数据清洗 8.5特征选择与特征提取 8.5.1特征选择 8.5.2特征提取 练习题8 第9章文本数据处理 9.1词向量模型 9.2主题模型 练习题9 第10章数据仓库 10.1数据仓库的基本概念 10.2数据仓库的体系结构 10.3多维数据模型 10.3.1多维数据模型的概念 10.3.2多维数据模型的构建方法 10.4数据仓库项目的开发 10.4.1数据仓库开发模式 10.4.2数据仓库开发过程 练习题10 第11章联机分析处理 11.1联机分析处理简介 11.2多维数据模型中的层次设计 11.3立方体的定义和计算 11.4OLAP的多维数据分析 练习题11 第12章商务智能可视化 12.1商务智能可视化的类型 12.2数据可视化 12.3过程和结果可视化 12.4积分卡和仪表盘 练习题12 第四部分商务智能应用系统 第13章商务智能应用 13.1商务智能应用领域 13.1.1关系营销 13.1.2生产管理 13.2推荐系统 13.2.1基于用户的协同过滤 13.2.2基于物品的协同过滤 13.2.3矩阵分解 13.2.4基于内容的推荐方法 13.3意见挖掘 13.3.1特征和意见的抽取 13.3.2意见极性判断 练习题13 第14章商务智能软件系统 14.1概述 14.1.1商品化的商务智能系统 14.1.2开源的商务智能软件 14.2Weka 14.2.1数据文件 14.2.2数据预处理 14.2.3关联分析 14.2.4分类 14.2.5数据规范化与聚类 14.2.6回归分析 14.2.7特征提取 14.3RapidMiner 14.3.1RapidMiner的安装 14.3.2结构化数据预处理 14.3.3文本数据预处理 14.3.4频繁项集和关联规则的挖掘 14.3.5序列模式的挖掘 14.3.6分类 14.3.7聚类 14.3.8推荐系统 练习题14 第五部分商务智能深度应用与发展 第15章复杂数据的商务智能分析方法 15.1序列模式挖掘 15.1.1序列模式的定义 15.1.2序列模式挖掘算法 15.2社会网络分析 15.2.1中心度分析 15.2.2链接分析 15.3数据流数据挖掘 15.4多关系数据挖掘 练习题15 第16章商务智能的社会影响与发展 16.1商务智能中的隐私保护 16.2移动商务智能 16.3云商务智能 练习题16 参考文献 |
|
前言 数据已经渗透到各行各业的各种业务过程中,这些数据不断积累,形成了传统数据管理系统无法有效管理和使用的大数据。同时,企业和机构运营环境越来越复杂,竞争也越来越激烈,商业机会稍纵即逝,管理者需要全面掌握业务各方面的运营状况,及时做出反应,进行快速、科学的决策。商务智能系统具有数据集成、数据管理以及数据分析的功能,能从大量数据中发现隐含的模式,辅助管理者发现业务运营的规律和异常,降低运营成本和风险,增加收入,提高客户满意度。商务智能系统已经被越来越多的企业所采纳,成为提高企业竞争力的重要方法,在许多重要的商业应用中发挥着重要的作用。 全球管理咨询公司麦肯锡全球研究院(McKinsey Global Institution,MGI)2011年发布了一个题目为《大数据: 创新、竞争和生产力的下一个前沿领域》(Big data: the next frontier for innovation, competition, and productivity)的研究报告。报告中指出,大数据可以为世界经济创造重要价值,提高企业和公共部门的生产力和竞争力,并为消费者创造大量的经济剩余。2016年12月,MGI又发表了题为《分析的时代: 在大数据的世界竞争》(The age of analytics: competing in a datadriven world)的研究报告。报告指出,大数据分析正在改变竞争的基础,对商业模式产生颠覆性影响。同时,报告还指出分析和技术人才持续匮乏,是数据潜在价值发现和有效利用的障碍。为此,近几年来,国内外高校纷纷设立与数据分析有关的专业,如数据科学与大数据技术专业和商务数据科学专业。 本书作者自20世纪90年代末就开始在清华大学为研究生开设“商务智能”课程,20年来一直从事商务智能领域的教学和科研工作。本书内容是作者20年来教学和科研内容的总结,旨在为数据科学专业、信息系统专业、计算机专业以及其他相关专业介绍商务智能的基本概念、功能和分析方法。全书分为五个部分,共16章内容。第一部分(包括第1章和第2章)是商务智能概念和过程,主要介绍商务智能的基本概念、系统构成、发展历史以及系统开发过程。第二部分(包括第3~7章)是商务智能方法,详细介绍机器学习和数据挖掘的各种模型和技术方法,包括关联分析、分类、数值预测、聚类以及神经网络与深度学习的各种方法。第三部分(包括第8~12章)是商务智能基础技术,介绍为了实现数据分析需要的基础支撑技术,包括数据预处理、文本数据处理、数据仓库、联机分析处理和商务智能可视化。第四部分(包括第13章和第14章)是商务智能应用系统,介绍商务智能的应用领域,并以推荐系统和意见挖掘为例,介绍了典型的应用方法。另外,还介绍了常用的商务智能系统,包括商品化的商务智能系统和开源的商务智能软件。为了便于理解前面介绍的数据分析方法,此部分还介绍了开源数据挖掘软件Weka和RapidMiner的详细使用方法。第五部分(包括第15章和第16章)是商务智能深度应用与发展,进一步介绍了针对复杂数据的分析方法,包括序列模式挖掘、社会网络分析、数据流数据挖掘以及多关系数据挖掘等; 最后对商务智能的进一步发展以及对社会的影响进行了分析和展望。 本书在编写过程中,得到了教育部高等学校管理科学与工程类学科教学指导委员会主任、国家信息化专家咨询委员会成员、清华大学陈国青教授的帮助和指导,得到了国家自然科学基金(项目编号: 71771131)的资助,在此表示感谢。 由于作者水平有限,书中难免有疏漏之处,望广大读者批评指正。 刘红岩 2020年于清华园 |
1