數(shù)據(jù)倉庫與數(shù)據(jù)挖掘是與計算機(jī)、信息類等相關(guān) 專業(yè)的核心課程。張興會等編著的《數(shù)據(jù)倉庫與數(shù)據(jù) 挖掘工程實例》采用提出問題、分析問題、解決問題 的思路，通過工程實例介紹了SQL Server 2005和 Weka軟件的使用方法以及聯(lián)機(jī)分析處理技術(shù)、關(guān)聯(lián)規(guī) 則方法、決策樹方法、貝葉斯方法、人工神經(jīng)網(wǎng)絡(luò)方 法、聚類分析方法、線性回歸方法等數(shù)據(jù)倉庫與數(shù)據(jù) 挖掘技術(shù)。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工程實例結(jié)構(gòu)嚴(yán)謹(jǐn)，條理清晰，語言淺顯易懂，循序 漸進(jìn)地表達(dá)了知識內(nèi)容；堅持理論與實際相結(jié)合，知 識理論與具體實現(xiàn)方法相結(jié)合，使技術(shù)實現(xiàn)具體化、 生動化、可操作化；工程實例的實現(xiàn)過程建立在 SQLServer2005和Weka軟件的基礎(chǔ)上，以幫助讀者在 學(xué)習(xí)后達(dá)到學(xué)以致用的效果。本書可以和《數(shù)據(jù)倉庫 與數(shù)據(jù)挖掘技術(shù)》教材配合使用，旨在幫助讀者在學(xué) 習(xí)數(shù)據(jù)倉庫與數(shù)據(jù)挖掘理論知識的基礎(chǔ)上，通過學(xué)習(xí) 工程實例分析，較好地掌握數(shù)據(jù)挖掘與數(shù)據(jù)倉庫構(gòu)建 模型的操作過程，進(jìn)一步提高對信息管理和利用能力 。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工程實例可以作為計算機(jī)、信息類等專業(yè)本科生數(shù)據(jù) 挖掘課程的教材，也可以作為其他專業(yè)技術(shù)人員的自 學(xué)參考書。

目錄
實例1 基于聯(lián)機(jī)分析處理技術(shù)的稅務(wù)審計分析
1.1 任務(wù)描述
1.2 技術(shù)原理
1.2.1 聯(lián)機(jī)分析處理的定義
1.2.2 聯(lián)機(jī)分析處理的一些具體操作
1.3 具體實現(xiàn)
1.3.1 建立數(shù)據(jù)庫
1.3.2 新建數(shù)據(jù)源
1.3.3 新建數(shù)據(jù)源視圖
1.3.4 瀏覽數(shù)據(jù)
1.3.5 數(shù)據(jù)分析
1.4 案例總結(jié)
實例2 基于關(guān)聯(lián)規(guī)則方法的網(wǎng)上交易服務(wù)質(zhì)量評價分析
2.1 任務(wù)描述
2.2 技術(shù)原理
2.2.1 關(guān)聯(lián)規(guī)則的概念
2.2.2 Apriori算法
2.3 具體實現(xiàn)
2.4 案例小結(jié)
實例3 基于Weka KnowledgFlow模塊的大學(xué)生專業(yè)方向預(yù)測分析
3.1 任務(wù)描述
3.2 技術(shù)原理
3.2.1 數(shù)據(jù)收集和準(zhǔn)備
3.2.2 模型選擇
3.3 具體實現(xiàn)
3.3.1 數(shù)據(jù)預(yù)處理
3.3.2 建立和使用知識流
3.4 案例小結(jié)
實例4 基于決策樹方法的網(wǎng)球運(yùn)動天氣狀況評價分析
4.1 任務(wù)描述
4.2 技術(shù)原理
4.2.1 決策樹的概念
4.2.2 信息論的基本概念
4.2.3 ID3建樹算法
4.3 具體實現(xiàn)
4.4 案例小結(jié)
實例5 基于Weka Experimenter模塊的人力資源管理挖掘模型選擇分析
5.1 任務(wù)描述
5.2 技術(shù)原理
5.2.1 挖掘類型確定
5.2.2 數(shù)據(jù)收集和準(zhǔn)備
5.3 具體實現(xiàn)
5.3.1 數(shù)據(jù)預(yù)處理
5.3.2 模型比較和選擇
5.4 案例小結(jié)
實例6 基于貝葉斯方法的證券客戶流失預(yù)警分析
6.1 任務(wù)描述
6.2 技術(shù)原理
6.2.1 樸素貝葉斯分類算法
6.2.2 樸素貝葉斯分類舉例
6.3 具體實現(xiàn)
6.4 案例小結(jié)
實例7 基于人工神經(jīng)網(wǎng)絡(luò)方法的信貸數(shù)據(jù)分析
7.1 任務(wù)描述
7.2 技術(shù)原理
7.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
7.2.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
7.3 具體實現(xiàn)
7.3.1 數(shù)據(jù)準(zhǔn)備
7.3.2 挖掘流程
7.4 案例小結(jié)
實例8 基于K-means方法的梔子花聚類分析
8.1 任務(wù)描述
8.2 技術(shù)原理
8.3 具體實現(xiàn)
8.4 案例小結(jié)
實例9 基于線性回歸方法的汽車油耗預(yù)測分析
9.1 任務(wù)描述
9.2 技術(shù)原理
9.3 具體實現(xiàn)
9.4 案例小結(jié)
實例10 基于決策樹方法的中文文本自動分類分析
10.1 任務(wù)描述
10.2 技術(shù)原理
10.2.1 文本挖掘的概念
10.2.2 文本分詞技術(shù)
10.2.3 文本特征表示
10.3 具體實現(xiàn)
10.4 案例小結(jié)
附錄A SQL Server 2005的安裝
A1 任務(wù)描述
A2 具體實現(xiàn)
附錄B Weka軟件的安裝和數(shù)據(jù)轉(zhuǎn)換
B1 任務(wù)描述
B2 具體實現(xiàn)
參考文獻(xiàn)