書馨卡幫你省薪 2024個(gè)人購(gòu)書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版)

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版)

作者：蔣盛益
出版社：電子工業(yè)出版社出版時(shí)間：2020-11-01
開本： 其他 頁(yè)數(shù)： 420
中 圖 價(jià):¥29.3(4.9折) 定價(jià)  ¥59.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說(shuō)明>>
本類五星書更多>

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版) 版權(quán)信息

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版) 本書特色

本書旨在介紹數(shù)據(jù)挖掘的基本原理、方法及數(shù)據(jù)挖掘應(yīng)用流程，通過案例分析使讀者能夠應(yīng)用這些方法解決商業(yè)領(lǐng)域中的相關(guān)問題。 充分考慮了技術(shù)的發(fā)展及在實(shí)際領(lǐng)域中有多種數(shù)據(jù)類型需要處理的情況，增加了一些實(shí)際案例，增加了社會(huì)網(wǎng)絡(luò)分析、文本挖掘、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用等內(nèi)容

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版) 內(nèi)容簡(jiǎn)介

本書由認(rèn)識(shí)篇、技術(shù)篇和案例篇三部分組成，以商業(yè)領(lǐng)域中的問題為背景，主要講解數(shù)據(jù)挖掘技術(shù)的應(yīng)用。認(rèn)識(shí)篇介紹數(shù)據(jù)挖掘的各種技術(shù)和數(shù)據(jù)挖掘建模方法，可使讀者了解數(shù)據(jù)挖掘技術(shù)在商業(yè)領(lǐng)域中的應(yīng)用概貌；技術(shù)篇介紹數(shù)據(jù)挖掘中的聚類分析、分類分析、關(guān)聯(lián)規(guī)則分析、離群點(diǎn)檢測(cè)、回歸分析等方法；案例篇介紹實(shí)際領(lǐng)域應(yīng)用較多的RFM分析、社會(huì)網(wǎng)絡(luò)分析和文本挖掘，展示數(shù)據(jù)挖掘在不同領(lǐng)域中的應(yīng)用案例，使讀者理解如何應(yīng)用數(shù)據(jù)挖掘技術(shù)解決商業(yè)領(lǐng)域中的問題。 本書可作為經(jīng)濟(jì)、管理類等相關(guān)專業(yè)學(xué)生學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)的教材或參考書，也可作為計(jì)算機(jī)相關(guān)專業(yè)學(xué)生學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)的參考書，還可作為企*單位管理者、數(shù)據(jù)分析人員、市場(chǎng)營(yíng)銷人員、研究與開發(fā)人員的參考資料。

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版) 目錄

目錄
上篇 認(rèn)識(shí)篇
第1章 緒論 3
1．1 引例 3
1．2 數(shù)據(jù)挖掘簡(jiǎn)介 5
1．2．1 數(shù)據(jù)挖掘技術(shù)的使用背景 5
1．2．2 數(shù)據(jù)挖掘的概念 7
1．2．3 數(shù)據(jù)挖掘任務(wù) 7
1．2．4 數(shù)據(jù)挖掘過程 9
1．2．5 數(shù)據(jù)挖掘技術(shù)的前景 9
1．2．6 數(shù)據(jù)挖掘十大經(jīng)典算法 11
1．3 數(shù)據(jù)挖掘在商業(yè)領(lǐng)域中的應(yīng)用 12
1．3．1 客戶關(guān)系管理 13
1．3．2 市場(chǎng)營(yíng)銷 15
1．3．3 個(gè)性化推薦與個(gè)性化服務(wù) 17
1．3．4 信用評(píng)估與欺詐檢測(cè) 19
1．3．5 供應(yīng)鏈庫(kù)存管理中的需求預(yù)測(cè) 21
1．3．6 人力資源管理 22
1．4 數(shù)據(jù)挖掘與隱私保護(hù) 23
1．5 數(shù)據(jù)挖掘工具及其選擇 25
本章小結(jié) 25
習(xí)題1 26
案例分析：聚類城鎮(zhèn) 26
第2章 數(shù)據(jù)挖掘建模方法 28
2．1 數(shù)據(jù)挖掘建模概述 28
2．2 業(yè)務(wù)理解 31
2．3 數(shù)據(jù)理解 31
2．4 數(shù)據(jù)準(zhǔn)備 32
2．5 建模 35
2．5．1 成功建立預(yù)測(cè)模型的注意事項(xiàng) 35
2．5．2 如何建立有效的預(yù)測(cè)模型 37
2．6 評(píng)估 39
2．7 部署 40
2．8 辛普森悖論 41
本章小結(jié) 42
習(xí)題2 43
案例分析 43
中篇 技術(shù)篇
第3章 數(shù)據(jù)準(zhǔn)備 49
3．1 數(shù)據(jù)探索 50
3．1．1 描述性統(tǒng)計(jì)分析 51
3．1．2 數(shù)據(jù)可視化 54
3．2 數(shù)據(jù)清理 55
3．3 數(shù)據(jù)集成 58
3．4 數(shù)據(jù)變換 59
3．5 數(shù)據(jù)歸約 64
3．6 Clementine簡(jiǎn)介 67
3．6．1 Clementine數(shù)據(jù)流操作 68
3．6．2 輸入、輸出節(jié)點(diǎn) 71
3．6．3 數(shù)據(jù)可視化節(jié)點(diǎn) 78
3．6．4 數(shù)據(jù)預(yù)處理節(jié)點(diǎn) 82
3．7 綜合案例：電信客戶通話模式分析 86
本章小結(jié) 92
習(xí)題3 92
案例分析 93
第4章 聚類分析 95
4．1 聚類分析概述 95
4．2 相似性度量 96
4．2．1 數(shù)據(jù)及數(shù)據(jù)類型 96
4．2．2 屬性之間的相似性度量 98
4．2．3 對(duì)象之間的相似性度量 99
4．3 k-Means算法及其改進(jìn) 104
4．3．1 k -Means算法 104
4．3．2 k-Means算法的拓展 106
4．4 DBSCAN聚類算法 112
4．5 一趟聚類算法 115
4．5．1 算法描述 115
4．5．2 聚類閾值的選擇策略 115
4．5．3 一趟聚類算法的應(yīng)用 117
4．6 層次聚類算法 118
4．6．1 概述 118
4．6．2 二分k -Means算法 119
4．6．3 BIRCH算法 119
4．6．4 兩步聚類算法 121
4．7 SOM算法 123
4．7．1 SOM算法中網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 124
4．7．2 SOM算法的聚類原理 125
4．8 聚類算法評(píng)價(jià) 126
4．8．1 有監(jiān)督度量 126
4．8．2 無(wú)監(jiān)督度量 127
4．9 Clementine中相關(guān)節(jié)點(diǎn)的介紹 128
4．9．1 k -Means節(jié)點(diǎn) 128
4．9．2 兩步節(jié)點(diǎn) 130
4．9．3 Kohonen節(jié)點(diǎn) 130
4．10 綜合案例：超市客戶細(xì)分 132
本章小結(jié) 134
習(xí)題4 135
案例分析 135
第5章 分類分析 137
5．1 分類概述 138
5．2 決策樹分類方法 138
5．2．1 決策樹的基本概念 138
5．2．2 決策樹的構(gòu)建 140
5．2．3 Hunt算法 144
5．2．4 C4．5分類算法 145
5．2．5 CART算法 148
5．2．6 C4．5與CART算法的主要區(qū)別 156
5．2．7 決策樹分類算法的特點(diǎn) 156
5．3 貝葉斯分類方法 156
5．3．1 貝葉斯定理 156
5．3．2 樸素貝葉斯分類算法 157
5．3．3 零條件概率問題的處理 158
5．3．4 樸素貝葉斯算法的優(yōu)缺點(diǎn) 159
5．3．5 貝葉斯信念網(wǎng)絡(luò) 161
5．4 KNN 162
5．4．1 *近鄰分類方法的基本概念 163
5．4．2 KNN算法的優(yōu)缺點(diǎn) 163
5．4．3 KNN算法的擴(kuò)展 163
5．5 集成分類方法 164
5．5．1 集成分類方法的過程描述 164
5．5．2 構(gòu)建集成分類器的方法 165
5．5．3 隨機(jī)森林 166
5．5．4 集成分類方法的優(yōu)缺點(diǎn) 168
5．6 分類方法評(píng)價(jià) 168
5．6．1 分類模型性能評(píng)價(jià)指標(biāo) 168
5．6．2 分類模型性能評(píng)價(jià)應(yīng)注意的點(diǎn) 169
5．6．3 評(píng)估分類模型性能的方法 170
5．7 Clementine中相關(guān)節(jié)點(diǎn)的介紹 171
5．7．1 C5．0節(jié)點(diǎn) 171
5．7．2 CRT節(jié)點(diǎn) 173
5．7．3 貝葉斯節(jié)點(diǎn) 174
5．7．4 集成節(jié)點(diǎn) 177
5．7．5 分析節(jié)點(diǎn) 177
5．7．6 評(píng)估節(jié)點(diǎn) 179
5．8 綜合案例 183
5．8．1 案例5-1：銀行客戶信用風(fēng)險(xiǎn)評(píng)估 183
5．8．2 案例5-2：離職員工預(yù)測(cè) 185
本章小結(jié) 188
習(xí)題5 188
案例分析 190
第6章 關(guān)聯(lián)規(guī)則分析 191
6．1 關(guān)聯(lián)規(guī)則分析概述 191
6．2 關(guān)聯(lián)規(guī)則分析基礎(chǔ) 192
6．2．1 基本概念 192
6．2．2 基礎(chǔ)分析方法 193
6．3 Apriori算法 195
6．3．1 Apriori性質(zhì) 195
6．3．2 產(chǎn)生頻繁項(xiàng)集 196
6．3．3 頻繁項(xiàng)集構(gòu)造示例 197
6．3．4 產(chǎn)生關(guān)聯(lián)規(guī)則 198
6．3．5 規(guī)則的評(píng)估標(biāo)準(zhǔn) 201
6．3．6 Apriori算法評(píng)價(jià) 203
6．4 FP-Growth算法 203
6．4．1 FP-Tree表示法 204
6．4．2 構(gòu)建FP-Tree 204
6．4．3 發(fā)現(xiàn)頻繁項(xiàng)集 207
6．5 關(guān)聯(lián)規(guī)則擴(kuò)展 208
6．5．1 關(guān)聯(lián)規(guī)則分類 208
6．5．2 多層次關(guān)聯(lián)規(guī)則 209
6．5．3 多維關(guān)聯(lián)規(guī)則 210
6．5．4 定量關(guān)聯(lián)規(guī)則 211
6．5．5 基于約束的關(guān)聯(lián)規(guī)則 211
6．5．6 序列模式挖掘 211
6．6 Clementine中Apriori節(jié)點(diǎn)的介紹 212
6．7 綜合案例 213
6．7．1 案例6-1：超市購(gòu)物籃分析 213
6．7．2 案例6-2：移動(dòng)業(yè)務(wù)關(guān)聯(lián)分析 218
本章小結(jié) 225
習(xí)題6 226
案例分析 227
第7章 離群點(diǎn)檢測(cè) 229
7．1 離群點(diǎn)概述 229
7．2 基于距離的離群點(diǎn)檢測(cè)方法 231
7．3 基于相對(duì)密度的離群點(diǎn)檢測(cè)方法 232
7．4 基于聚類的離群點(diǎn)檢測(cè)方法 237
7．4．1 基于對(duì)象的離群因子檢測(cè)方法 238
7．4．2 基于簇的離群因子檢測(cè)方法 240
7．4．3 基于聚類的動(dòng)態(tài)數(shù)據(jù)離群點(diǎn)檢測(cè) 242
7．5 離群點(diǎn)檢測(cè)方法的評(píng)估 243
7．6 Clementine中的異常節(jié)點(diǎn) 243
7．7 綜合案例：信用卡欺詐檢測(cè) 245
本章小結(jié) 246
習(xí)題7 246
案例分析 247
第8章 回歸分析 248
8．1 回歸分析概述 248
8．2 線性回歸模型 249
8．2．1 多元線性回歸模型的表示 249
8．2．2 多元線性回歸模型的檢驗(yàn) 250
8．3 非線性回歸 252
8．4 邏輯回歸 255
8．4．1 二元邏輯回歸模型 255
8．4．2 邏輯回歸模型的系數(shù)估計(jì) 256
8．4．3 邏輯回歸模型系數(shù)的解釋 257
8．4．4 顯著性檢驗(yàn) 257
8．4．5 回歸方程的擬合優(yōu)度檢驗(yàn) 258
8．5 Clementine中相關(guān)節(jié)點(diǎn)介紹 263
8．5．1 線性回歸節(jié)點(diǎn) 263
8．5．2 邏輯回歸節(jié)點(diǎn) 264
8．6 綜合案例：我國(guó)私人汽車擁有量的非線性回歸 265
本章小結(jié) 268
習(xí)題8 268
案例分析 270
下篇 案例篇
第9章 RFM分析 275
9．1 RFM分析的基本原理 275
9．2 RFM模型的應(yīng)用場(chǎng)景 276
9．3 Clementine中相關(guān)節(jié)點(diǎn)介紹 277
9．3．1 RFM匯總節(jié)點(diǎn) 277
9．3．2 RFM分析節(jié)點(diǎn) 278
9．4 綜合案例 280
9．4．1 案例9-1：識(shí)別促銷的目標(biāo)客戶 280
9．4．2 案例9-2：Charles讀書俱樂部目錄銷售 285
9．4．3 案例9-3：銷售數(shù)據(jù)分析 290
本章小結(jié) 294
第10章 社會(huì)網(wǎng)絡(luò)分析 295
10．1 圖論基礎(chǔ) 295
10．2 社會(huì)網(wǎng)絡(luò)分析概述 296
10．2．1 社會(huì)網(wǎng)絡(luò)分析相關(guān)概念 297
10．2．2 中心性 297
10．2．3 權(quán)威性 299
10．2．4 網(wǎng)絡(luò)密度 299
10．3 社區(qū)檢測(cè) 300
10．3．1 社區(qū)檢測(cè)方法簡(jiǎn)介 300
10．3．2 社區(qū)檢測(cè)質(zhì)量評(píng)價(jià) 301
10．4 社會(huì)網(wǎng)絡(luò)分析軟件 302
10．4．1 社會(huì)網(wǎng)絡(luò)分析軟件概述 302
10．4．2 Gephi簡(jiǎn)介 303
10．5 綜合案例 306
10．5．1 案例10-1：基于社區(qū)檢測(cè)的通信業(yè)客戶細(xì)分 306
10．5．2 案例10-2：“一帶一路”沿線國(guó)家間貿(mào)易數(shù)據(jù)分析 311
本章小結(jié) 318
第11章 文本挖掘 319
11．1 分詞技術(shù) 319
11．1．1 分詞挑戰(zhàn) 319
11．1．2 分詞方法 320
11．1．3 常見分詞工具 321
11．2 文本向量化 322
11．2．1 向量空間模型 322
11．2．2 文本特征選擇 323
11．3 文本聚類 324
11．3．1 文本相似度計(jì)算 324
11．3．2 文本聚類過程 325
11．4 文本分類 325
11．4．1 文本分類的概念 325
11．4．2 常用文本分類算法 326
11．4．3 常用基準(zhǔn)語(yǔ)料與模型評(píng)估標(biāo)準(zhǔn) 327
11．5 文本情感分析 328
11．5．1 文本情感分析的概念 329
11．5．2 文本情感分析技術(shù) 329
11．5．3 文本情感分析的應(yīng)用 330
11．6 相關(guān)軟件 331
11．6．1 數(shù)據(jù)采集工具八爪魚 331
11．6．2 可視化內(nèi)容挖掘軟件ROST CM6 336
11．7 綜合案例：基于微博的用戶特征識(shí)別 337
本章小結(jié) 342
第12章 數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用 343
12．1 客戶關(guān)系管理 343
12．1．1 客戶關(guān)系管理概述 343
12．1．2 客戶價(jià)值分析 344
12．1．3 客戶細(xì)分分析 345
12．1．4 市場(chǎng)營(yíng)銷 345
12．1．5 客戶關(guān)系管理的實(shí)施流程 346
12．2 客戶生命周期分析 347
12．3 綜合案例 350
12．3．1 案例12-1：旅游公司目錄銷售 350
12．3．2 案例12-2：電信客戶細(xì)分與流失分析 354
12．3．3 案例12-3：航空公司客戶價(jià)值分析 359
本章小結(jié) 365
第13章 數(shù)據(jù)挖掘在金融領(lǐng)域的應(yīng)用 366
13．1 金融科技概述 366
13．2 數(shù)據(jù)挖掘在銀行業(yè)中的應(yīng)用概述 369
13．3 綜合案例：信用風(fēng)險(xiǎn)分析 372
本章小結(jié) 377
第14章 數(shù)據(jù)挖掘在財(cái)務(wù)風(fēng)險(xiǎn)分析和預(yù)警中的應(yīng)用 378
14．1 數(shù)據(jù)挖掘在財(cái)務(wù)風(fēng)險(xiǎn)管理中的應(yīng)用概述 378
14．2 綜合案例 380
14．2．1 案例14-1：上市公司財(cái)務(wù)報(bào)表舞弊識(shí)別 380
14．2．2 案例14-2：上市公司財(cái)務(wù)困境預(yù)警 382
本章小結(jié) 386
第15章 數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用 387
15．1 數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用概述 387
15．2 主要應(yīng)用領(lǐng)域 388
15．2．1 網(wǎng)絡(luò)客戶關(guān)系管理 388
15．2．2 網(wǎng)站設(shè)計(jì)優(yōu)化 390
15．2．3 推薦系統(tǒng) 391
15．3 綜合案例 396
15．3．1 案例15-1：基于關(guān)聯(lián)分析的淘寶網(wǎng)推薦 396
15．3．2 案例15-2 電商客戶流失預(yù)警 398
本章小結(jié) 403
附錄A 數(shù)據(jù)挖掘常用資源列表 404
參考文獻(xiàn) 406

展開全部

商務(wù)數(shù)據(jù)挖掘與應(yīng)用(第2版) 作者簡(jiǎn)介

蔣盛益，教授、博士，碩士生導(dǎo)師；廣東省"千百十"工程省級(jí)培養(yǎng)對(duì)象，廣東外語(yǔ)外貿(mào)大學(xué)教學(xué)名師。中國(guó)計(jì)算機(jī)學(xué)會(huì)高級(jí)會(huì)員，中國(guó)計(jì)算機(jī)學(xué)會(huì)中文信息技術(shù)專委會(huì)委員，中國(guó)中文信息學(xué)會(huì)計(jì)算語(yǔ)言學(xué)專業(yè)委員會(huì)委員、社會(huì)媒體處理專委會(huì)委員，人工智能學(xué)會(huì)機(jī)器學(xué)習(xí)專委會(huì)委員，廣東省計(jì)算機(jī)學(xué)會(huì)常務(wù)理事；廣州市計(jì)算機(jī)學(xué)會(huì)常務(wù)理事；第十、十一屆廣東省政協(xié)委員。先后在湖南師范大學(xué)、中南工業(yè)大學(xué)、華中科技大學(xué)畢業(yè)，分別獲理學(xué)學(xué)士學(xué)位、理學(xué)碩士學(xué)位、工學(xué)博士學(xué)位。目前重點(diǎn)研究方向是利用自然語(yǔ)言處理、社會(huì)網(wǎng)絡(luò)分析技術(shù)來(lái)處理網(wǎng)絡(luò)新聞和社交媒體中的數(shù)據(jù)，包括新聞?dòng)^點(diǎn)自動(dòng)提取、對(duì)特定事件的立場(chǎng)（支持還是反對(duì)）分析、輿情傳播模式研究、用戶影響力分析等。應(yīng)用背景包括國(guó)內(nèi)外輿情分析、海上絲綢之路的情報(bào)分析。

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
返回頂部
中圖網(wǎng)
在線客服