第一章 数据挖掘和商业智能

第一节 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

第一节 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

第一节 数据预处理的重要性

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操作

小结

思考与练习

实验

第四章 多维数据分析

第一节 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SQL Server Analysis Server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Microsoft SSRS处理智能报表

第一节 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

第一节 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

第一节 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Microsoft SSAS进行关联挖掘

小结

思考与练习

实验

第八章 分类与预测

第一节 分类与预测基本知识

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 分类器准确性

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

第一节 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

第一节 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

第十一章 基于多维数据集的数据挖掘

第一节 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