图书介绍

SQL Server 2000数据挖掘技术指南PDF|Epub|txt|kindle电子书版本网盘下载

SQL Server 2000数据挖掘技术指南
  • （美）Claude Seidman著；刘艺等译 著
  • 出版社： 北京：机械工业出版社
  • ISBN：7111095197
  • 出版时间：2002
  • 标注页数：280页
  • 文件大小：55MB
  • 文件页数：290页
  • 主题词：关系型数据库(学科: 数据库管理系统) 关系型数据库 数据库管理系统

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：ec0db69b920b2a8e4f5400219c349d89

下载说明

SQL Server 2000数据挖掘技术指南PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

图书目录

前言1

第一部分 数据挖掘介绍1

第1章 了解数据挖掘1

1.1 什么是数据挖掘1

译者序1

1.2 为何使用数据挖掘2

1.3 当前数据挖掘是如何使用的3

1.4 术语定义4

1.5 数据挖掘方法5

1.6 微软数据挖掘概述6

1.6.2 数据挖掘模型7

1.6.3 数据挖掘算法7

1.6.1 数据挖掘与OLAP7

1.6.4 在数据挖掘中使用微软SQL Server语法9

1.7 本章小结9

第2章 微软SQL Server Analysis Services体系结构10

2.1 OLAP介绍10

2.1.1 MOLAP12

2.1.2 ROLAP12

2.1.3 HOLAP13

2.2 服务器结构体系结构14

2.3 客户机结构体系结构15

2.3.1 PivotTable Service15

2.3.2 OLE DB16

2.3.4 多维表达式17

2.3.3 决策支持对象17

2.4 本章小结18

2.3.5 预测连接18

第3章 数据存储模型19

3.1 为何数据挖掘需要一个数据仓库19

3.2 基于OLTP数据的报表可能对性能造成威胁22

3.3 用于数据挖掘的数据仓库体系结构23

3.3.1 由OLTP数据创建数据仓库24

3.3.2 为挖掘而优化数据26

3.3.3 数据挖掘物理结构30

3.4 关系型数据仓库32

3.4.1 关系型数据存储的优点32

3.5.1 数据挖掘如何使用OLAP结构33

3.4.2 为数据挖掘创建支持表33

3.5 OLAP立方体33

3.5.2 OLAP存储的优点34

3.5.3 何时OLAP不适合数据挖掘36

3.6 本章小结36

第4章 数据挖掘的方法37

4.1 直接数据挖掘37

4.2 间接数据挖掘37

4.2.1 数据挖掘与统计学38

4.2.2 从历史数据中学习42

4.2.3 预测未来43

4.3 数据挖掘模型的训练45

4.4 本章小结48

第5章 微软决策树49

5.1 创建模型49

第二部分 数据挖掘方法49

5.2 使模型可视化63

5.2.1 Dependency Network Browser67

5.2.2 深入决策树算法71

5.3 如何推导预测结果81

5.3.1 导航树81

5.3.2 导航与规则83

5.3.3 何时使用决策树84

5.4 本章小结84

6.1.1 选择源的类型85

第6章 使用OLAP创建决策树85

6.1 创建模型85

6.1.2 选择源立方体和数据挖掘技术86

6.1.3 选择实例87

6.1.4 选择预测实体88

6.1.5 选择训练数据89

6.1.6 选择维和虚拟立方体90

6.1.7 完成数据挖掘模型91

6.2 OLAP挖掘模型编辑器93

6.2.1 内容细节面板93

6.2.2 结构面板93

6.3 使用OLAP数据挖掘模型分析数据94

6.2.3 预测树列表94

6.3.1 使用生成的虚拟立方体95

6.3.2 使用生成的维96

6.4 本章小结99

第7章 微软聚类100

7.1 分类101

7.2 分类的作用101

7.3 聚类是间接数据挖掘技术101

7.4 聚类是如何工作的102

7.4.1 算法概述102

7.4.2 K-Means聚类算法102

7.4.4 聚类要素105

7.4.3 何谓准确度量105

7.4.5 度量“接近程度”106

7.5 何时使用聚类108

7.5.1 使关系可视化108

7.5.2 使异常数据更醒目108

7.5.3 为其他数据挖掘工作创建样本109

7.5.4 聚类的弱点109

7.6 使用聚类创建数据挖掘模型110

7.6.1 选择源类型110

7.6.2 为数据挖掘模型选择表111

7.6.3 选择数据挖掘技术112

7.6.4 编辑连接112

7.6.5 为数据挖掘选择实例的关键列112

7.6.6 选择用于输入的和可预测的列113

7.7 查看模型114

7.7.1 聚类节点的组织结构115

7.7.2 聚类节点的排序116

7.8 分析数据116

7.9 本章小结117

第三部分 数据挖掘应用编程119

第8章 利用微软数据转换服务119

8.1 什么是DTS119

8.2 DTS任务120

8.2.1 转换120

8.2.3 数据驱动查询121

8.2.4 执行包121

8.2.2 批录入121

8.3 连接124

8.3.1 源124

8.3.2 配置连接125

8.4 DTS包工作流程125

8.4.1 DTS包的流程控制125

8.4.2 优先权约束126

8.5 DTS设计器126

8.5.1 打开DTS设计器127

8.5.2 保存DTS包127

8.6 dtsrun实用程序129

8.7 用DTS建立数据挖掘模型131

8.7.1 SQL Server环境准备132

8.7.2 创建包136

8.8 本章小结158

第9章 使用决策支持对象159

9.1 脚本语言与VB编程159

9.1.1 Server对象161

9.1.2 Database对象167

9.2 用DSO创建关系数据挖掘模型169

9.3 用DSO创建OLAP数据挖掘模型178

9.3.1 DataSource对象181

9.3.2 数据挖掘模型181

9.4 添加新的数据源181

9.5 Analysis服务器角色182

9.5.2 添加一个新的数据挖掘模型角色183

9.5.1 数据挖掘模型角色183

9.6 本章小结184

第10章 理解数据挖掘结构185

10.1 数据挖掘模型实例的结构185

10.2 使用程序代码来浏览数据挖掘模型185

10.3 使用模式行集190

10.3.1 MINING_MODELS模式行集190

10.3.2 MINING_COLUMNS模式行集195

10.3.3 MINING_MODEL_CONTENT模式行集201

10.3.4 MINING_SERVICES模式行集204

10.3.5 SERVICE_PARAMETERS模式行集206

10.3.6 MODEL_CONTENT_PMML模式行集208

10.4 本章小结209

第11章 使用PivotTable Service进行数据挖掘210

11.1 重新分配组件211

11.2 安装和注册组件211

11.2.1 文件位置212

11.2.2 安装注册设置213

11.2.3 重新分配安装程序213

11.3 连接到PivotTable Service214

11.3.1 使用PivotTable Service连接到Analysis Services214

11.3.2 使用HTTP连接到Analysis Services216

11.4 创建本地数据挖掘模型217

11.4.1 本地挖掘模型的存储219

11.4.2 SELECT INTO语句221

11.4.3 INSERT INTO语句221

11.4.4 OPENROWSET语法222

11.4.5 嵌套表和SHAPE语句224

11.5 在数据挖掘中使用XML225

11.6 本章小结230

第12章 数据挖掘查询231

12.1 预测查询组件231

12.1.1 基本的预测查询231

12.1.2 指定测试实例源231

12.1.3 指定列233

12.1.4 PREDICTION JOIN子句233

12.1.5 使用函数作为列237

12.1.6 使用表值作为列237

12.1.9 Predict239

12.1.8 预测函数239

12.1.7 WHERE子句239

12.1.10 PredictProbability240

12.1.11 PredictSupport240

12.1.12 PredictVariance241

12.1.13 PredictStdev241

12.1.14 PredictProbabilityVariance241

12.1.15 PredictProbabilityStdev241

12.1.16 PredictHistogram241

12.1.17 TopCount244

12.1.18 TopSum244

12.1.19 TopPercent244

12.1.23 PredictScore245

12.2 带聚类模型的预测查询245

12.1.24 PredictNodeId245

12.1.21 RangeMid245

12.1.22 RangeMax245

12.1.20 RangeMin245

12.2.1 Cluster246

12.2.2 ClusterProbability246

12.2.3 ClusterDistance247

12.3 使用DTS来运行预测查询247

12.4 本章小结252

附录253

附录A 回归分析253

附录B 术语表271

热门推荐