欧美福利在线播放_免费在线观看羞羞视频_加勒比色老久久爱综合网_性一交一乱一区二区洋洋av_国产麻豆麻豆_国产精品一线天粉嫩av_国产精品天美传媒入口_午夜a一级毛片亚洲欧洲_精品久久久久久久大神国产_四虎影视在线播放

? 數(shù)據(jù)挖掘，作為商業(yè)智能(Business Intelligence)實現(xiàn)的深層次，在商業(yè)智能解決方案的體系中占據(jù)著重要的位置。 數(shù)據(jù)庫中存在的是數(shù)據(jù)，對于業(yè)務(wù)人員來說，只是一些無法看懂的天書，他們需要的是可以更容易理解的信息。那么，我們以前如何解決這個矛盾的呢？一般的答案是報表系統(tǒng)。簡單地說，業(yè)務(wù)人員看到的是美觀的界面，便捷的操作，鼠標(biāo)點擊后，報表系統(tǒng)生成SQL語句，數(shù)據(jù)庫服務(wù)器收到以后，返回所需要的信息。不錯，報表系統(tǒng)已經(jīng)可以稱作是BI了，它是BI的低端實現(xiàn)。 現(xiàn)在國外的企業(yè)，大部分已經(jīng)進入了更深層次的商業(yè)智能，叫做數(shù)據(jù)分析，即基于多維數(shù)據(jù)庫的在線分析系統(tǒng)(OLAP)。還有一些企業(yè)已經(jīng)開始進入更深層次的商業(yè)智能，叫做數(shù)據(jù)挖掘。從廣義上說，任何從數(shù)據(jù)庫中挖掘信息的過程都叫做數(shù)據(jù)挖掘。從這點看來，報表、多維分析和深度的挖掘都是挖掘數(shù)據(jù)的手段。但是，從技術(shù)術(shù)語上說，數(shù)據(jù)挖掘(DataMining)特指的是：源數(shù)據(jù)經(jīng)過清洗和轉(zhuǎn)換等成為適合于挖掘的數(shù)據(jù)集，然后建立特定的挖掘模型，利用這些數(shù)據(jù)集訓(xùn)練模型，后利用模型找出的知識模式進行預(yù)測，從而輔助決策工作。 過去，談起數(shù)據(jù)挖掘，大家想到的往往是那些專業(yè)數(shù)學(xué)家、統(tǒng)計學(xué)家，一搬的技術(shù)人員和業(yè)務(wù)人員望而卻步。現(xiàn)在，隨著IT技術(shù)的發(fā)展和工業(yè)化，SQL Server 2008提煉了上述的各種復(fù)雜知識，加工成友好的視窗工具，嵌入到分析服務(wù)(Analysis Services)中，使得數(shù)據(jù)挖掘的用戶擴展到了大量的開發(fā)者人群，甚至是經(jīng)過培訓(xùn)的業(yè)務(wù)人員。它使我們的員和程序變得更聰明了。 ? ? 1.課程研發(fā)環(huán)境 課程基于SQL Server數(shù)據(jù)庫，講解過程中使用的是SQL server2012版，使用office2010(32位)版工具SQL Server2008以上版本均可用。 數(shù)據(jù)庫：SQL Server2008、2012 Office工具：2007、2010 ? 2.內(nèi)容簡介 本教程介紹了SQL Server Data Mining的所有方面，包括使用SQL Server實現(xiàn)成功的數(shù)據(jù)挖掘解決方案的所有必要知識，帶讀者熟悉其中的工具，給出了Microsoft數(shù)據(jù)挖掘算法的深度和廣度，然后詳細探討了實現(xiàn)數(shù)據(jù)挖掘解決方案的各種方式。 ? 第1章 數(shù)據(jù)挖掘解決商業(yè)問題 1.1-數(shù)據(jù)挖掘概念及使用場景 1.2-DMX 1.3-常見的數(shù)據(jù)挖掘任務(wù) 第2章 用Excel進行數(shù)據(jù)挖掘 2.1-分析關(guān)鍵影響因素及檢測類別工具 2.2-從示例填充及預(yù)測工具 2.3-突出顯示異常值工具 2.4-應(yīng)用場景分析工具 2.5-預(yù)測計算器工具 2.6-購物籃分析工具 第3章 數(shù)據(jù)挖掘概念與DMX 3.1-DMX關(guān)鍵概念 3.2-DMX查詢語法-創(chuàng)建挖掘結(jié)構(gòu) 3.3-DMX查詢語法-創(chuàng)建挖掘模型(嵌套表) 3.4-DMX查詢語法-創(chuàng)建挖掘模型(復(fù)雜的嵌套場景和過濾器) 3.5-DMX查詢語法-填充挖掘結(jié)構(gòu)(填充嵌套表) 3.6-DMX查詢語法-填充挖掘結(jié)構(gòu)(查詢結(jié)構(gòu)數(shù)據(jù)和查詢模型數(shù)據(jù)) 3.7-預(yù)測-預(yù)測連接和預(yù)測查詢語法 3.8-預(yù)測-預(yù)測函數(shù)和嵌套表上的預(yù)測 第4章 用SQLServer進行數(shù)據(jù)挖掘 4.1-Bl Dev Studio介紹 4.2-設(shè)置數(shù)據(jù)源 4.3-設(shè)置數(shù)據(jù)源及創(chuàng)建和編輯模型 4.4-使用數(shù)據(jù)挖掘設(shè)計器及處理 4.5-使用模型 4.6-交叉驗證、使用挖掘模型預(yù)測以及創(chuàng)建數(shù)據(jù)挖掘報表 第5章 貝葉斯算法 5.1-貝葉斯算法介紹 5.2-數(shù)據(jù)瀏覽及文檔分類 5.3-理解貝葉斯模型的內(nèi)容及瀏覽貝葉斯模型 5.4-貝葉斯算法的基本原理 第6章 決策樹算法 6.1-決策數(shù)算法介紹及分類模型 6.2-回歸模型與關(guān)聯(lián)模型 6.3-模型內(nèi)容，解釋模型及決策樹算法的基本原理 6.4-決策樹算法的基本原理2 6.5-存儲過程 第7章 時序算法 7.1-時序算法介紹 7.2-DMX 模型的創(chuàng)建 7.3-模型的處理 7.4-預(yù)測返回輔助的統(tǒng)計信息 7.5-預(yù)測執(zhí)行假設(shè)預(yù)測 7.6-時序算法的基本原理及參數(shù) 第8章 聚類算法 8.1-聚類算法介紹 8.2-利用聚類檢查異常以及DMX的模型創(chuàng)建 8.3-DMX常用結(jié)構(gòu) 8.4-模型內(nèi)容及理解聚類模型 8.5-聚類算法的基本原理及參數(shù) 第9章 序列聚類算法和關(guān)聯(lián)規(guī)則算法 9.1-序列聚類算法的介紹 9.2-DMX查詢-執(zhí)行聚類預(yù)測與執(zhí)行序列預(yù)測 9.3-DMX查詢-提取序列預(yù)測的概率和使用序列預(yù)測的直方圖 9.4-解釋模型及馬爾科夫鏈 9.5-狀態(tài)轉(zhuǎn)移矩陣、模型內(nèi)容以及參數(shù) 9.6-關(guān)聯(lián)規(guī)則算法介紹 9.7-推薦引擎與高級交叉銷售 9.8-DMX 9.9-模型內(nèi)容、解釋模型及關(guān)聯(lián)規(guī)則算法的基本原理 9.10-關(guān)聯(lián)規(guī)則算法基本概念及挖掘繁瑣項集 第10章 神經(jīng)網(wǎng)絡(luò)算法和邏輯回歸算法 10.1-神經(jīng)網(wǎng)絡(luò)算法和邏輯回歸算法簡介 10.2-使用Microsoft神經(jīng)網(wǎng)絡(luò)算法 10.3-DMX查詢 10.4-模型內(nèi)容及解釋模型 10.5-組合與激活及處理神經(jīng)網(wǎng)絡(luò)的簡單事例 10.6-規(guī)范化和映射及神經(jīng)網(wǎng)絡(luò)算法的參數(shù) 第11章 SQL Server集成服務(wù)數(shù)據(jù)挖掘和數(shù)據(jù)挖掘編程 11.1-SSIS介紹 11.2-在SSIS環(huán)境中進行數(shù)據(jù)挖掘 11.3-數(shù)據(jù)挖掘客戶端 11.4-建模及模型用法 11.5-數(shù)據(jù)挖掘編程介紹 11.6-創(chuàng)建數(shù)據(jù)訪問對象1 11.7-創(chuàng)建數(shù)據(jù)訪問對象2 11.8-創(chuàng)建挖掘結(jié)構(gòu) 11.9-創(chuàng)建挖掘模型 11.10-處理挖掘模型 11.11-部署挖掘模型及設(shè)置挖掘權(quán)限 11.12-瀏覽和查詢挖掘模型 11.13-使用ADMD.NET來預(yù)測 11.14-使用表參數(shù)的數(shù)據(jù)挖掘查詢 ? ? ? ? ? ? ? 目標(biāo)1 使用Excel進行數(shù)據(jù)挖掘 目標(biāo)2 了解數(shù)據(jù)挖掘概念和MDX 目標(biāo)3 使用SQL Server進行數(shù)據(jù)挖掘 目標(biāo)4 了解幾種數(shù)據(jù)挖掘算法 目標(biāo)5 了解數(shù)據(jù)挖掘編程