數據挖掘：實用案例分析

目    錄
前  言
第一部分  基  礎  篇
第1章  初識數據挖掘 2
   1.1  什么是數據挖掘 2
   1.2  數據挖掘在企業(yè)商務智能應用中的定位 2
       1.2.1  數據挖掘給企業(yè)帶來最大的投資收益 3
       1.2.2  數據挖掘從本質上提升商務智能平臺的價值 3
       1.2.3  數據挖掘讓商務智能流程真正形成閉環(huán) 4
   1.3  信息類BI應用與知識類BI應用 5
   1.4  數據挖掘現狀及應用前景 5
   1.5  本章小結 7
第2章  數據挖掘的應用分類 8
   2.1  分類與回歸 8
       2.1.1  分類與回歸建模原理 9
       2.1.2  分類與回歸算法 10
   2.2  聚類 11
       2.2.1  聚類分析建模原理 11
       2.2.2  聚類算法 12
   2.3  關聯規(guī)則 13
       2.3.1  什么是關聯規(guī)則 13
       2.3.2  關聯規(guī)則算法 14
   2.4  時序模式 14
       2.4.1  什么是時序模式 14
       2.4.2  時間序列的組合成分 15
       2.4.3  時間序列的組合模型 15
       2.4.4  時序算法 16
   2.5  偏差檢測 16
   2.6  本章小結 17
第3章  數據挖掘建模 18
   3.1  數據挖掘的過程 18
   3.2  數據挖掘建模過程 18
       3.2.1  定義挖掘目標 18
       3.2.2  數據取樣 19
       3.2.3  數據探索 20
       3.2.4  預處理 21
       3.2.5  模式發(fā)現 23
       3.2.6  模型構建 23
       3.2.7  模型評價 24
   3.3  常用的建模工具 27
   3.4  本章小結 29
第4章  頂尖數據挖掘平臺TipDM 31
   4.1  TipDM產品功能 31
       4.1.1  TipDM平臺提供的數據探索及預處理算法 31
       4.1.2  TipDM平臺提供的分類與回歸算法 32
       4.1.3  TipDM平臺提供的時序模式算法 34
       4.1.4  TipDM平臺提供的聚類分析算法 35
       4.1.5  TipDM平臺提供的關聯規(guī)則算法 35
   4.2  TipDM使用說明 37
   4.3  TipDM產品特點 39
       4.3.1  支持CRISP-DM數據挖掘標準流程 39
       4.3.2  提供豐富的數據挖掘模型和靈活算法 40
       4.3.3  具有多模型的整合能力 40
       4.3.4  提供靈活多樣的應用開發(fā)接口 40
       4.3.5  海量數據的處理能力 40
       4.3.6  適應不同類型層次人員需求 41
   4.4  本章小結 42
第二部分  實  戰(zhàn)  篇
第5章  數據挖掘在金融電信行業(yè)的應用 44
   5.1  案例一：基于公司價值評價的證券策略投資 44
       5.1.1  挖掘目標的提出 44
       5.1.2  分析方法與過程 44
       5.1.3  建模仿真 51
       5.1.4  核心知識點 52
       5.1.5  拓展思考 53
   5.2  案例二：電信3G客戶識別系統(tǒng) 54
       5.2.1  挖掘目標的提出 54
       5.2.2  分析方法與過程 54
       5.2.3  建模仿真 58
       5.2.4  核心知識點 61
       5.2.5  拓展思考 63
   5.3  案例三：基于客戶分群的精準智能營銷 64
       5.3.1  挖掘目標的提出 64
       5.3.2  分析方法與過程 65
       5.3.3  建模仿真 75
       5.3.4  核心知識點 81
       5.3.5  拓展思考 82
   5.4  本章小結 83
第6章  數據挖掘在電力行業(yè)的應用 84
   6.1  案例一：電力負荷預測 84
       6.1.1  挖掘目標的提出 84
       6.1.2  分析方法與過程 85
       6.1.3  建模仿真 90
       6.1.4  核心知識點 94
       6.1.5  拓展思考 95
   6.2  案例二：自適應防竊漏電實時診斷 96
       6.2.1  挖掘目標的提出 96
       6.2.2  分析方法與過程 96
       6.2.3  建模仿真 107
       6.2.4  核心知識點 110
       6.2.5  擴展思考 111
   6.3  本章小結 112
第7章  數據挖掘在互聯網行業(yè)的應用 113
   7.1  案例一：商業(yè)零售行業(yè)中的購物籃分析 113
       7.1.1  挖掘目標的提出 113
       7.1.2  分析方法與過程 113
       7.1.3  建模仿真 118
       7.1.4  核心知識點 120
       7.1.5  拓展思考 121
   7.2  案例二：電子商務網站用戶行為分析 124
       7.2.1  挖掘目標的提出 124
       7.2.2  分析方法與過程 124
       7.2.3  建模仿真 129
       7.2.4  核心知識點 132
       7.2.5  拓展思考 132
   7.3  案例三：網絡入侵智能檢測 134
       7.3.1  挖掘目標的提出 134
       7.3.2  分析方法與過程 136
       7.3.3  建模仿真 137
       7.3.4  核心知識點 141
       7.3.5  拓展思考 141
   7.4  案例四：基于用戶行為分析的定向網絡廣告投放 142
       7.4.1  挖掘目標的提出 142
       7.4.2  分析方法與過程 143
       7.4.3  建模仿真 146
       7.4.4  結果及分析 158
       7.4.5  核心知識點 159
       7.4.6  拓展思考 160
   7.5  案例五：企業(yè)信息系統(tǒng)用戶服務感知評價 161
       7.5.1  挖掘目標的提出 161
       7.5.2  分析方法與過程 161
       7.5.3  建模仿真 186
       7.5.4  核心知識點 192
       7.5.5  拓展思考 193
   7.6  本章小結 194
第8章  數據挖掘在生產制造行業(yè)中的應用 195
   8.1  案例一：基于小波變換的樁基完整性檢測 195
       8.1.1  挖掘目標的提出 195
       8.1.2  分析方法與過程 196
       8.1.3  仿真過程 202
       8.1.4  核心知識點 204
       8.1.5  拓展思考 204
   8.2  案例二：基于水色圖像的水質評價 205
       8.2.1  挖掘目標的提出 205
       8.2.2  分析方法與過程 206
       8.2.3  建模仿真 210
       8.2.4  核心知識點 213
       8.2.5  拓展思考 214
   8.3  案例三：生物質廢物混合厭氧消化優(yōu)勢組分互補機制 216
       8.3.1  挖掘目標的提出 216
       8.3.2  分析方法與過程 217
       8.3.3  建模仿真 221
       8.3.4  核心知識點 223
       8.3.5  拓展思考 224
   8.4  案例四：基于RFM的企業(yè)客戶關系分析 224
       8.4.1  挖掘目標的提出 224
       8.4.2  分析過程與方法 226
       8.4.3  建模仿真 229
       8.4.4  核心知識點 236
       8.4.5  拓展思考 236
   8.5  案例五：水產養(yǎng)殖投入產出多目標優(yōu)化仿真 239
       8.5.1  挖掘目標的提出 239
       8.5.2  分析方法與過程 240
       8.5.3  建模仿真 244
       8.5.4  核心知識點 249
       8.5.5  拓展思考 250
   8.6  本章小結 252
第9章  數據挖掘在公共服務行業(yè)的應用 253
   9.1  案例一：乳腺癌證素變化規(guī)律及截斷療法 253
       9.1.1  挖掘目標的提出 253
       9.1.2  分析方法與過程 255
       9.1.3  建模仿真 265
       9.1.4  核心知識點 274
       9.1.5  拓展思考 274
   9.2  案例二：卷煙消費者購買行為分析 277
       9.2.1  挖掘目標的提出 277
       9.2.2  分析過程與方法 278
       9.2.3  挖掘建模 281
       9.2.4  核心知識點 287
       9.2.5  拓展思考 288
   9.3  案例三：納稅人偷漏稅評估 288
       9.3.1  挖掘目標的提出 288
       9.3.2  分析方法與過程 290
       9.3.3  建模仿真 294
       9.3.4  核心知識點 300
       9.3.5  拓展思考 301
   9.4  案例四：道路缺陷自動識別 302
       9.4.1  挖掘目標的提出 302
       9.4.2  分析方法與過程 304
       9.4.3  建模仿真 319
       9.4.4  核心知識點 322
       9.4.5  拓展思考 322
   9.5  案例五：航空公司客運信息挖掘 322
       9.5.1  挖掘目標的提出 322
       9.5.2  分析方法與過程 323
       9.5.3  建模仿真 327
       9.5.4  核心知識點 348
       9.5.5  拓展思考 352
   9.6  本章小結 353
第10章  動手實踐 354
   10.1  實驗一：數據探索及數據預處理 354
   10.2  實驗二：神經網絡模型的構建與使用 356
   10.3  實驗三：決策樹模型的構建與使用 358
   10.4  實驗四：聚類算法的構建與使用 360
   10.5  實驗五：關聯規(guī)則模型的構建與使用 361
   10.6  實驗六：時間序列模型的構建與使用 363
   10.7  本章小結 364
第三部分  高  級  篇
第11章  基于第三方接口的數據挖掘二次開發(fā) 366
   11.1  WEKA數據挖掘接口 366
       11.1.1  WEKA功能及其算法 366
       11.1.2  WEKA包結構 367
       11.1.3  WEKA算法入口 370
       11.1.4  二次開發(fā)相關輸出 370
   11.2  MATLAB數據挖掘接口 370
   11.3  案例：基于MATLAB接口的數據挖掘二次開發(fā) 372
       11.3.1  接口算法編程 372
       11.3.2  用Java Builder創(chuàng)建Java組件 385
       11.3.3  安裝MATLAB運行時環(huán)境 386
       11.3.4  JDK環(huán)境及設置 386
   11.4  本章小結 389
第12章  基于Hadoop框架的海量數據挖掘開發(fā) 390
   12.1  基于云計算的海量數據挖掘技術特點 390
   12.2  基于Hadoop的并行數據挖掘算法工具箱TipCDM 392
   12.3  案例：基于海量計量數據的電力客戶在線分群方法 392
       12.3.1  挖掘目標的提出 392
       12.3.2  分析方法與過程 393
       12.3.3  建模仿真 399
       12.3.4  核心知識點 400
   12.4  本章小結 401
參考文獻 402