基本信息

大数据精準挖掘

作者：吴昱 着

丛书名：中国云计算套用丛书

出版日期：2014年3月

书号：978-7-122-18992-9

开本：16K　787×1092　1/16

装帧：平

版次：1版1次

页数：174页

内容简介

本书以新兴的大数据时代最实用的技术为支撑，以广阔的科技视野和扎实的专业功底，全面介绍了大数据时代的由来和背景，阐述了与大数据分析相关的理论和数学模型。特别难能可贵的是，本书从蕴含大数据技术的精準数据挖掘工具入手，结合实际的成功案例，将数据精準挖掘的全过程和详细步骤，包括结果验证等方面内容，详详细细并非常专业地展现给读者。本书理论和实践密切结合，文字流畅，深入浅出，通俗易懂。

通过本书的学习，可以掌握当下大数据所涉及的主要数学分析模组的要点，并比较相互的特点。同时，能够学会实用的数据挖掘专门技术及经历数据挖掘的全过程。由于本书所介绍的技术与我国目前大数据运用的领军行业金融、保险、电信、电子商务等密切相连，故本书有很强的实用性，能达到学以致用、边学边用的效果。

本书适合我国IT业的科研机构、相关企业的专业技术人员的学习之用；本书还可以作为政府部门制定大数据发展战略时的参考。本书也适合全国高等院校的大学生和研究生学习使用；由于本书将理论与具体操作合二为一，故也能作为全国大专院校开设大数据实验课程的教材。

目录信息

第1篇基础篇

第1章大数据时代下的数据挖掘3

11大数据的基础4

111大数据呈现出了数据的新价值4

112数据採集、存储与提取技术信息化5

113数据挖掘技术是大数据时代最本质特徵5

12大数据的特点6

121数据规模大6

122数据类型多6

123价值密度低，但总体的数据价值高7

124数据处理有速度要求7

13大数据的作用7

131数据已渗透到社会每个角落8

132数据成为竞争的新元素8

133数据创造新价值9

134大数据地位不断跃升9

14大数据与数据挖掘10

141数据挖掘技术是大数据时代的灵魂和核心10

142数据挖掘技术涉及多种多类的知识节点10

143选择最好的数据挖掘工具10

15令人期待的大数据时代11

16本章小结11

第2章大数据与云计算13

21大数据与云计算13

211大数据与云计算关係13

212大数据扩展了云计算服务类型14

213云计算数据存储系统得到推广14

214追求集成一体化技术14

215大数据和云计算缺一不可15

22云计算的定义与特点15

221云计算的定义15

222云计算的特点15

23云计算的基本架构16

231云计算架构的基本层次16

232云计算架构的服务层次16

24云计算的关键技术17

241虚拟化技术17

242数据存储技术19

243资源管理技术19

244云计算中的编程模型20

245集成一体化技术21

246自动化技术21

25云计算的商业模式21

251商业模式是云计算的基石21

252云计算的市场规模22

253云计算商业模式分析22

26本章小结23

第2篇理论篇

第3章数据挖掘的主要方法及工具27

31数据挖掘主要方法27

311决策树分类27

312神经网路33

313Logistic回归方法37

314聚类分析38

315数据挖掘方法比较39

316分类器的评估与选择40

32流行数据分析平台及数据挖掘工具介绍46

33本章小结52

第4章Logistic回归模型53

41多元线性回归模型53

42Logistic回归模型55

43Logistic回归模型的参数估计56

44Logistic回归模型中回归係数的意义58

45Logistic回归模型的拟合优度63

46Logistic回归係数的显着性检验72

47Logistic回归模型的预测準确性75

48回归变数的选择与逐步回归77

49本章小结83

第5章数据挖掘建模过程86

51CRISPDM86

52SAS数据挖掘方法论——SEMMA88

53数据挖掘经验谈89

54本章小结89

第3篇套用篇

第6章金融行业套用1——信用评分93

61国内信用卡业务现状93

62信用评分模型的起源、类别和发展94

63信用评分的步骤95

64实例演示97

641二元变数预测建模98

642图形版建模输出讲解1——效果评价101

643图形版建模输出讲解2——评分卡档案103

65本章小结109

第7章金融行业套用2——信用卡催收评分110

71信用卡催收评分模型背景介绍110

72实例演示112

721图形版连续变数预测建模112

722图形版建模输出114

73本章小结116

第8章保险电销套用——寻找目标客户117

81背景介绍117

82案例数据展示及分析118

821业务目标118

822数据展示118

83数据挖掘与分析过程120

831数据预处理120

832造变数122

833生成挖掘表123

834建立回响模型125

835建模结果分析125

84数据挖掘结果的运用129

85本章小结129

第9章电信行业套用——客户流失预测131

91背景介绍131

92案例数据展示及分析131

921商业理解131

922数据理解132

923数据準备132

93建立打分模型133

94分析建模结果134

95数据挖掘结果的运用136

96本章小结137

第10章商品零售行业套用——购物篮分析138

101某连锁零售公司的背景介绍138

102购物篮分析的基本内容139

1021同次购买的基本概念139

1022同次购买的关联规则质量的衡量140

1023购买分析的实现141

1024下次购买的基本概念142

1025下次购买行为预测142

103购物篮分析——MBA工具的使用145

1031MBA工具的用途145

1032MBA工具的使用146

1033MBA工具的输出146

104本章小结149

第11章实战项目——交叉销售150

111背景介绍150

112案例数据展示及分析151

1121数据展示151

1122业务目标及分析要求152

113数据挖掘过程152

1131数据预处理152

1132划分数据集及生成目标变数153

1133生成衍生变数154

1134生成挖掘表159

114建立打分模型160

115结果分析161

116本章小结162

第12章收益预测163

121背景介绍163

122数据展示163

1221原始数据集展示163

1222数据挖掘表的生成165

123图形版建模166

1231建模过程166

1232模型输出166

1233为新数据集打分168

124本章小结170

参考文献172