✍ Scribed by 陈志泊
No coin nor oath required. For personal study only.
《数据仓库与数据挖掘》主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。《数据仓库与数据挖掘》既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，《数据仓库与数据挖掘》都使用Microsoft SQL Server 2005进行了操作实现。《数据仓库与数据挖掘》通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。
《数据仓库与数据挖掘》每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步巩固和掌握所学知识。此外，《数据仓库与数据挖掘》提供多媒体教学课件和习题参考答案，读者可到清华大学出版社网站（http://www.tup.com.cn/）下载。
《数据仓库与数据挖掘》可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材，也可供相关领域的广大科技工作人员和高校师生参考。
封面
扉页
内容简介
版权页
出版说明
前言
目录
第1章 数据仓库的概念与体系结构
1.1 数据仓库的概念、特点与组成
1.2 数据挖掘的概念与方法
1.3 数据仓库的技术、方法与产品
1.4 数据仓库系统的体系结构
1.5 数据仓库的产生、发展与未来
1.6 小结
1.7 习题
第2章 数据仓库的数据存储与处理
2.1 数据仓库的数据结构
2.2 数据仓库的数据特征
2.3 数据仓库的数据ETL过程
2.4 多维数据模型
2.5 小结
2.6 习题
第3章 数据仓库系统的设计与开发
3.1 数据仓库系统的设计与开发概述
3.2 基于SQL Server 2005的数据仓库数据库设计
3.3 使用SQL Server 2005建立多维数据模型
3.4 小结
3.5 习题
第4章 关联规则
4.1 概述
4.2 引例
4.3 经典算法
4.4 相关研究与应用
4.5 小结
4.6 习题
第5章 数据分类
5.1 引例
5.2 分类问题概述
5.3 决策树
5.4 支持向量机
5.5 近邻分类方法
5.6 小结
5.7 习题
第6章 数据聚类
6.1 引例
6.2 聚类分析概述
6.3 聚类分析中相似度的计算方法
6.4 k-means聚类算法
6.5 层次聚类方法
6.6 小结
6.7 习题
第7章 贝叶斯网络
7.1 引例
7.2 贝叶斯概率基础
7.3 贝叶斯网络概述
7.4 贝叶斯网络的预测、诊断和训练算法
7.5 SQL Server 2005中的贝叶斯网络应用
7.6 小结
7.7 习题
第8章 粗糙集
8.1 引例
8.2 分类与知识
8.3 粗糙集
8.4 辨识知识的简化
8.5 决策规则简化
8.6 小结
8.7 习题
第9章 神经网络
9.1 引例
9.2 人工神经网络
9.3 BP算法
9.4 SQL Server 2005中的神经网络应用
9.5 小结
9.6 习题
第10章 遗传算法
10.1 概述
10.2 相关概念
10.3 基本步骤
10.4 算法设计
10.5 相关研究与应用
10.6 小结
10.7 习题
第11章 统计分析
11.1 线性回归模型
11.2 Logistic回归模型
11.3 时间序列模型
11.4 小结
11.5 习题
第12章 文本和Web挖掘
12.1 引例
12.2 文本挖掘
12.3 Web挖掘
12.4 小结
12.5 习题
正文结束
参考文献
读者意见反馈
重点大学计算机专业系列教材书目
📜 SIMILAR VOLUMES
<p>《数据仓库与数据挖掘教程》系统介绍数据仓库原理、联机分析处理、数据仓库设计与开发、数据仓库的决策支持应用，数据挖掘原理、信息论的决策树方法、集合论的粗糙集方法、关联规则、公式发现、神经网络、遗传算法、文本挖掘与web挖掘，以及数据仓库与数据挖掘的发展。《数据仓库与数据挖掘教程》对数据仓库的系统介绍，在于突出决策支持的本质。对数据挖掘的各类方法均介绍了它们的理论基础和实现方法，并通过例子进行了说明。</p>
<p>《高等院校信息管理与信息系统专业系列教材:数据仓库与数据挖掘技术》主要介绍数据仓库和数据挖掘技术的基本概念、相关技术和应用案例及方法。《高等院校信息管理与信息系统专业系列教材:数据仓库与数据挖掘技术》共分为9章，主要内容包括：数据仓库与数据挖掘的概念和体系结构、数据仓库开发模型、ETL技术、OLAP技术、商务智能系统、数据预处理技术、数据挖掘技术、数据仓库开发实例、报表设计等内容。《高等院校信息管理与信息系统专业系列教材:数据仓库与数据挖掘技术》各章节的案例均使用Microsoft SQL Server 2005进行操作实践讲解。通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中
<p>《数据仓库与数据挖掘技术》内容简介：数据仓库与数据挖掘是计算机专业和其他一些与计算机技术关系密切专业必修的核心课程。《数据仓库与数据挖掘技术》系统地介绍了数据仓库和数据挖掘的基本概念、相关知识和基本方法，每种数据挖掘方法都有详尽的实例描述和具体实现步骤。《数据仓库与数据挖掘技术》结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；《数据仓库与数据挖掘技术》坚持理论与实际相结合，概念和具体方法相结合，使知识具体化，生动化；实例实现的过程建立在sql 2005数据挖掘软件的基础上，以帮助读者在学习后达到学以致用的目的。</p> <p>《数据仓库与数据挖掘技术》可以作为计算机类、信息
<p>Apache HAWQ是一个SQL-on-Hadoop产品，它非常适合用于Hadoop平台上快速构建数据仓库系统。HAWQ具有大规模并行处理、完善的SQL兼容性、支持存储过程和事务、出色的性能表现等特性，还可与开源数据挖掘库MADlib轻松整合，从而使用SQL就能进行数据挖掘与机器学习。</p> <p>《HAWQ数据仓库与数据挖掘实战》内容分技术解析、实战演练与数据挖掘三个部分共27章。技术解析部分说明HAWQ的基础架构与功能特性，包括安装、连接、对象与资源管理、查询优化、备份恢复、高可用性等。实战演练部分用一个完整的示例，说明如何使用HAWQ取代传统数据仓库，包括ETL处理、自动调度
数据仓库与数据挖掘是与计算机、信息类等相关专业的核心课程。本书采用提出问题、分析问题、解决问题的思路，通过工程实例介绍了SQL Server 2005和Weka软件的使用方法以及联机分析处理技术、关联规则方法、决策树方法、贝叶斯方法、人工神经网络方法、聚类分析方法、线性回归方法等数据仓库与数据挖掘技术。本书结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；坚持理论与实际相结合，知识理论与具体实现方法相结合，使技术实现具体化、生动化、可操作化；工程实例的实现过程建立在SQL Server 2005和Weka软件的基础上，以帮助读者在学习后达到学以致用的效果。本书可以和《数据仓库与数据挖
<p>《数据仓库与数据挖掘原理及应用》从专业角度全面介绍了数据仓库和数据挖掘的理论、方法、技术及其应用，系统地阐述了数据仓库和数据挖掘的产生、发展和应用及其主要概念、原理和算法，并结合当前数据仓库和数据挖掘中一些新的应用实例进一步加以说明，力求学以致用。</p> <p>全书分为三篇。第一篇介绍数据仓库的起源和演变过程，阐述数据仓库的定义、体系结构、组成、元数据、数据粒度和数据模型以及ETL过程，论述数据仓库设计和实现的方法。结合具体应用详细阐述了如何构建数据仓库及其主要应用，包括OLAP和OLAM等。第二篇介绍数据挖掘的起源和发展趋势，以及数据挖掘与web挖掘的技术和方法，包括聚类、分类、预