Excel 2007数据挖掘完全手册2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Excel 2007数据挖掘完全手册PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘简介3

1．1 数据挖掘的定义3

1．2 数据挖掘的重要性3

1．3 数据挖掘的功能3

1．4 数据挖掘的步骤4

1．5 数据挖掘建模的标准CRISP-DM5

第2章 数据挖掘运用的理论和技术7

2．1 回归分析7

2．1．1 简单线性回归分析7

2．1．2 多元回归分析7

2．1．3 岭回归分析8

2．1．4 Logistic回归分析9

2．2 关联规则9

2．3 聚类分析10

2．4 判别分析11

2．5 类神经网络分析12

2．6 决策树分析13

2．7 其他分析方法15

第3章 数据挖掘与相关领域的关系17

3．1 数据挖掘与统计分析的不同17

3．2 数据挖掘与数据仓储的关系17

3．3 知识发现与数据挖掘的关系18

3．4 OLAP与数据挖掘的关系19

3．5 数据挖掘与机器学习的关系19

3．6 网络挖掘与数据挖掘的关系20

第4章 数据挖掘商业软件产品及其应用现状21

4．1 数据挖掘商业软件的分类21

4．2 主要软件的介绍21

4．3 顾客关系管理22

4．4 数据挖掘的行业应用23

第5章 安装与设定Excel 2007数据挖掘加载项27

5．1 系统需求27

5．2 开始安装27

5．3 完成安装验证30

5．4 组件设定30

5．5 配置完成检查35

第6章 Excel 2007数据挖掘入门37

6．1 Excel 2007数据挖掘功能介绍37

6．2 数据挖掘使用说明37

6．2．1 目录查询37

6．2．2 开始功能38

6．2．3 视频和教学39

6．3 数据挖掘连接配置39

6．3．1 设定目前的连接39

6．3．2 跟踪41

6．4 数据准备41

6．4．1 浏览数据41

6．4．2 清除数据44

6．4．3 分割数据46

6．5 数据建模50

6．6 精确度和验证51

6．6．1 准确性图表51

6．6．2 分类矩阵52

6．6．3 利润图53

6．7 模型用法53

6．7．1 浏览功能53

6．7．2 查询功能56

6．8 模型管理57

6．8．1 重新命名挖掘模型57

6．8．2 删除挖掘结构57

6．8．3 清除挖掘结构58

6．8．4 用原始数据处理挖掘结构58

6．8．5 用新数据处理挖掘结构58

6．8．6 导出挖掘结构59

6．8．7 导入挖掘结构60

第7章 决策树61

7．1 基本概念61

7．2 决策树模块的建立61

7．3 决策树与判别函数比较61

7．4 计算方法62

7．4．1 确定预测精度的标准62

7．4．2 选择分裂（分层）技术62

7．4．3 定义停止分裂（分层）的时间点62

7．4．4 选择适当大小的决策树63

7．5 Excel 2007决策树算法63

第8章 贝叶斯概率分类71

8．1 基本概念71

8．2 Excel 2007贝叶斯概率分类73

第9章 关联规则84

9．1 基本概念84

9．2 关联规则的种类85

9．3 关联规则的算法：Apriori算法85

9．4 Excel 2007关联规则86

第10章 聚类分析96

10．1 基本概念96

10．2 层次聚类分析96

10．3 聚类分析原理97

10．4 Excel 2007聚类分析100

第11章 时序聚类116

11．1 基本概念116

11．2 相关研究和算法116

11．3 Excel 2007时序聚类117

第12章 线性回归126

12．1 基本概念126

12．2 简单回归分析127

12．3 多元回归分析130

12．4 Excel 2007线性回归133

第13章 Logistic回归142

13．1 基本概念142

13．2 logit变换142

13．3 Logistic分布143

13．4 列联表的Logistic回归模型144

13．5 Excel 2007 Logistic回归145

第14章 类神经网络161

14．1 基本概念161

14．2 类神经网络的架构与训练算法163

14．3 类神经网络的特性163

14．4 类神经网络应用163

14．5 类神经网络优缺点164

14．6 Excel 2007类神经网络165

第15章 时间序列分析175

15．1 基本概念175

15．2 时间序列的成分177

15．3 时间序列数据的图形介绍178

15．4 利用平滑法预测182

15．5 用趋势方程预测时间序列186

15．6 预测含趋势与季节成分的时间序列187

15．7 利用回归模型预测时间序列188

15．8 其他预测模型189

15．9 单变量时间序列预测模型189

15．10 时间趋势预测模型192

15．11 Excel 2007时间序列193

第16章 DMX介绍198

16．1 DMX介绍198

16．2 DMX函数介绍199

16．2．1 模型建立200

16．2．2 模型训练201

16．2．3 模型使用（预测）201

16．2．4 其他函数语法202

16．3 DMX数据挖掘语法205

16．3．1 决策树206

16．3．2 贝叶斯概率分类207

16．3．3 关联规则207

16．3．4 聚类分析208

16．3．5 时序聚类209

16．3．6 线性回归210

16．3．7 Logistic回归211

16．3．8 类神经网络212

16．3．9 时间序列213

16．4 DMX应用范例214

16．4．1 分类215

16．4．2 估计216

16．4．3 预测217

16．4．4 关联分组217

16．4．5 聚类218

第17章 分析关键影响因素223

第18章 检测类别228

第19章 从示例填充231

第20章 预测233

第21章 突出显示异常值235

第22章 应用场景分析238

22．1 目标查找238

22．2 假设240

第23章 Visio 2007数据透视分析243

第24章 上市公司投资价值分析的挖掘模型251

24．1 研究动机与目的251

24．2 挖掘模型的构建251

24．3 变量筛选252

24．4 决策树模型253

24．5 贝叶斯概率模型255

24．6 Logistic回归模型255

24．7 预测准确度比较256

第25章 信用卡用户信用评测的挖掘模型259

25．1 研究背景259

25．2 研究动机260

25．3 研究目的260

25．4 Excel 2007构建数据挖掘模型260

25．4．1 决策树分析260

25．4．2 聚类分析263

25．4．3 Logistic回归269

第26章 市场营销与客户细分的挖掘模型271

26．1 研究动机与目的271

26．2 研究方法与限制271

26．3 数据分析271

26．4 挖掘建模273

26．4．1 决策树273

26．4．2 单纯贝叶斯分类280

26．4．3 聚类分析282

26．4．4 决策树286

26．4．5 Logistic回归288

26．4．6 关联分析292

26．5 结论295