数据仓库、挖掘和可视化 核心概念PDF|Epub|txt|kindle电子书版本网盘下载

数据仓库、挖掘和可视化 核心概念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、数据仓库和数据可视化概述1

目录1

1.1　现代数据仓库4

1.2　数据仓库的作用和结构5

1.3　数据仓库可以完成的工作7

1.3.1　快捷的信息交付7

1.3.2　企业内／外的数据集成8

1.3.3 从历史趋势展望未来8

1.3.4　用新方式浏览数据的工具8

1.3.5　免受IS部门资源限制8

1.3.6　对日常工作有何意义9

1.3.8　是否存在数据仓库无法完成的工作10

1.3.7　没有什么是免费的10

1.4　数据仓库的成本11

1.4.1 不定成本12

1.4.2　成本合理性12

1.4.3　没有数据仓库时如何访问信息12

1.4.4　存在数据仓库时如何访问信息13

1.4.5　成本的差距14

1.4.6　多报表15

1.4.7　普通用户和高级用户15

1.4.8　普通用户、高级用户与成本合理性15

1.4.9　数据集市和数据仓库16

1.6　数据挖掘的起源18

1.5　数据挖掘的基础18

1.7　数据勘查和数据挖掘的方法22

1.7.1 数据相关23

1.7.2　数据仓库和数据挖掘／数据勘查27

1.7.3　最大的挑战——数据容量28

1.8　数据可视化的基础29

1.8.1 数据可视化背后的历史30

1.8.2　走在知识前沿的数据可视化34

1.9 小结34

第2章　数据仓库39

2.1　存储、仓库和集市41

2.1.1　数据存储器42

2.1.4 DW环境43

2.1.2　数据集市43

2.1.3 元数据43

2.1.5 DW的特征44

2.1.6　数据冗余问题48

2.2　数据仓库体系结构49

2.2.1　操作型数据库层和外部数据库层50

2.2.2　信息访问层50

2.2.3　数据访问层50

2.2.4　元数据层50

2.2.5　过程管理层51

2.2.6　应用通信层51

2.2.7　物理DW层51

2.2.8　数据分段层51

2.2.9　数据仓库技术52

2.3　描述数据的数据——元数据53

2.3.1 “抽象”的概念53

2.3.2　数据的键54

2.3.3 运转中的元数据54

2.3.4　一致性——避免事实出现多个版本55

2.3.5 同意事实的一个版本55

2.4　元数据的提取56

2.5　实现数据仓库59

2.5.1　过失1：“如果创建了仓库，它们的用途就自然显现出来了”59

2.5.2　过失2：遗漏了体系结构框架59

2.5.4　过失4：没有使用正确的工具60

2.5.3　过失3：理解用文档对假设进行说明的重要性60

2.5.5 过失5：滥用生命周期61

2.5.6　过失6：忽略了数据冲突问题61

2.5.7　过失7：没有从失败中吸取经验教训61

2.6　数据仓库技术61

2.7　小结63

第3章　数据挖掘和数据可视化66

3.1　数据挖掘的概念69

3.1.1　验证型分析与挖掘型分析71

3.1.2 DM的逐渐普及71

3.1.3　使用DM进行更精确的个人预测72

3.2　联机分析处理72

3.2.1 MOLAP73

3.2.2 ROLAP74

3.3　用于数据挖掘的技术76

3.3.1 分类76

3.3.2 关联77

3.3.3　序列77

3.3.4　聚类78

3.3.5 DM技术78

3.3.6 KDD过程79

3.3.7　新型DM应用81

3.4　市场购物篮分析：DM算法之王82

3.4.1 市场购物篮分析的优点83

3.4.2　市场购物篮分析的关联规则84

3.4.3　利用虚项进行市场购物篮分析88

3.4.4　使用这些结果91

3.5 DM目前的限制和面临的挑战92

3.5.1　标识出遗漏信息92

3.5.2　数据噪声和遗漏值93

3.5.3　大型数据库和高维度93

3.6　数据可视化93

3.6.1 历史95

3.6.2　人类视觉感知和数据可视化95

3.6.3 地理信息系统98

3.6.4数据可视化技术的应用99

3.7 Siftware技术100

3.7.1 Red Brick100

3.7.2 Oracle102

3.7.4 Sybase103

3.7.3 Informix103

3.7.5 Silicon Graphics104

3.7.6 IBM104

3.8　小结105

第4章　机器学习121

4.1 模糊逻辑和语义模糊性123

4.1.1　语义模糊性123

4.1.2　模糊逻辑的基础124

4.1.3　模糊与概率126

4.1.4　模糊逻辑的优缺点126

4.2　人工神经网络128

4.2.1　神经计算的基础129

4.2.2　人工神经网络的训练132

4.2.3　人工神经网络学习范式133

4.2.4　神经计算的优点和局限性135

4.3 遗传算法与遗传进化网络137

4.3.1　最优理论137

4.3.2　介绍遗传算法138

4.3.3　遗传算法的优点和局限性143

4.4　机器学习的应用144

4.4.1 机器学习的应用领域144

4.4.2　机器学习系统的未来147

4.5 小结148

第5章　执行信息系统155

5.1 EIS的概念157

5.1.1 典型的EIS会话158

5.1.2　EIS无法完成的工作159

5.2 EIS历史159

5.3 高级执行官与众不同的原因160

5.3.1　执行官的信息需求160

5.3.2　执行信息的类型和源163

5.4 EIS组件165

5.4.1　硬件组件166

5.4.2　软件组件167

5.4.3 目前的EIS技术168

5.5　使EIS开始工作169

5.5.1 EIS开发框架169

5.5.2　一些需要避免的EIS局限和缺陷172

5.5.3　失败是无法接受的173

5.6　执行官决策和EIS的未来174

5.6.1　转化条件174

5.6.2　未来的EIS175

5.7 小结177

第6章　设计并构造数据仓库182

6.1 DW设计的企业模型方法184

6.1.1 定义EM184

6.1.2 自上而下的DW设计185

6.1.3 自下而上的DW设计185

6.1.4　企业集成的概念185

6.2 DW项目规划187

6.2.1 DW项目定义和就绪度评估187

6.2.2　克服DW就绪度的不足190

6.2.3 定义新建DW项目的作用域192

6.2.4　为DW项目定义商业认证193

6.2.5　使DW项目成为商业案例所面临的问题193

6.2.6　经济可行性分析195

6.2.7　经济可行性指标199

6.2.8　开发DW项目规划203

6.3 指定分析和设计工具205

6.3.1 DW逻辑设计的维度建模方法205

6.3.2　设计DW事实表208

6.4 DW体系结构规范和开发209

6.4.3　通用业务规则210

6.4.4　通用语义210

6.4.2　通用维210

6.4.1 通用源210

6.4.5　通用度量单位211

6.4.6 DW体系结构关键组件区域212

6.4.7　开发DW技术体系结构214

6.5 DW项目的成功因素215

6.6 小结216

第7章　数据挖掘、数据仓库和数据可视化的未来219

7.1　数据仓库的未来223

7.1.1 规章约束223

7.1.2　非结构化数据的存储223

7.1.3 World Wide Web224

7.2.1　可选存储器226

7.2　可选存储器和数据仓库226

7.2.2 使可选存储器工作228

7.3　数据仓库的趋势229

7.4　数据挖掘的未来232

7.4.1 在个性化和隐私之间权衡232

7.4.2 “信息是自然资源”的概念235

7.4.3 大型数据集的爆炸236

7.5　使用数据挖掘保护隐私237

7.5.1 目前的IDS系统如何检测入侵237

7.5.2 目前的IDS系统具有的弊端237

7.5.3　我们在寻找什么238

7.5.5　入侵检测DM所面临的困难239

7.5.4 DM如何提供帮助239

7.6　影响DM未来的趋势240

7.6.1 数据趋势240

7.6.2　硬件趋势240

7.6.3 网络趋势240

7.6.4　业务趋势241

7.6.5　对DM的未来所预期的可能情况241

7.7　数据可视化的未来242

7.7.1 武器性能和安全仿真242

7.7.2　医学损伤治疗243

7.7.3　未来将会展现的技术能力244

7.7.4　未来的医学外伤场景展望245

7.8　未来可视化应用的各个组件246

7.9 小结247