思维导图备注

商业智能原理与应用
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

9.2　聚类分析中的数据类型

浏览 4 扫码
  • 小字体
  • 中字体
  • 大字体
2022-01-23 10:03:29
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 关于本书
    • 图书信息
    • 前言
  • 第1章　数据挖掘和商业智能
    • 1.2　什么是商业智能
    • 1.3　数据挖掘和商业智能工具
    • 1.4　数据挖掘应用案例
    • 【本章小结】
    • 【练习题】
  • 第2章　数据仓库
    • 2.2　数据仓库的体系结构
    • 2.3　元数据
    • 2.4　数据集市
    • 2.5　数据仓库设计与实施
    • 2.6　Microsoft数据仓库（DW）和商业智能（BI）工具
    • 2.7　数据仓库设计案例
    • 【本章小结】
    • 【练习题】
  • 第3章　数据预处理
    • 3.2　数据清洗
    • 3.3　数据集成与转换
    • 3.4　数据消减
    • 3.5　离散化和概念层次树生成
    • 3.6　使用SSIS对数据进行ETL操作
    • 【本章小结】
    • 【思考题】
  • 第4章　多维数据分析
    • 4.2　多维数据分析方法
    • 4.3　多维数据的存储方式
    • 4.4　多维表达式（MDX）
    • 4.5　使用SQL　Server　Analysis　Services（SSAS）构建维度和多维数据集
    • 4.6　使用Excel数据透视图浏览多维数据集
    • 【本章小结】
    • 【思考题】
  • 第5章　用Microsoft　SSRS处理智能报表
    • 5.2　使用SSRS创建报表
    • 【本章小结】
  • 第6章　数据挖掘技术
    • 6.2　数据挖掘的对象
    • 6.3　数据挖掘系统的分类
    • 6.4　数据挖掘项目的生命周期
    • 6.5　数据挖掘面临的挑战及发展
    • 【本章小结】
    • 【思考题】
  • 第7章　关联挖掘
    • 7.2　单维布尔关联规则挖掘
    • 7.3　挖掘多层级关联规则
    • 7.4　多维关联规则的挖掘
    • 7.5　关联挖掘中的相关分析
    • 7.6　利用Microsoft　SSAS进行关联挖掘
    • 【本章小结】
    • 【思考题】
  • 第8章　分类与预测
    • 8.2　有关分类和预测的几个问题
    • 8.3　基于决策树的分类
    • 8.4　贝叶斯分类方法
    • 8.5　神经网络分类方法
    • 8.6　分类器准确性
    • 8.7　预测方法
    • 8.8　Microsoft贝叶斯算法
    • 8.9　Microsoft决策树算法
    • 8.10　Microsoft神经网络算法
    • 【本章小结】
    • 【思考题】
  • 第9章　聚类分析
    • 9.2　聚类分析中的数据类型
    • 9.3　主要聚类方法
    • 9.4　划分方法
    • 9.5　层次方法
    • 9.6　基于密度方法
    • 9.7　异常数据分析
    • 9.8　Microsoft聚类算法
    • 【本章小结】
    • 【思考题】
  • 第10章　时序数据和序列数据挖掘
    • 10.2　Microsoft的时序算法
    • 10.3　Microsoft时序算法示例
    • 10.4　Microsoft的序列模式挖掘
    • 【本章小结】
    • 【思考题】
  • 第11章　基于多维数据集的数据挖掘
    • 11.2　构建OLAP挖掘模型
    • 【本章小结】
  • 书后说明
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《商业智能原理与应用》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度