《数据挖掘技术》

《数据挖掘技术》 内容介绍：

本书是数据挖掘领域的经典著作，数年来畅销不衰。全书从技术和应用两个方面，全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。自从1997年本书第1版出版以来，数据挖掘界发生了巨大的变化，其中的大部分核心算法仍然保持不变，但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所演进。第2版展示如何利用基本的数据挖掘方法和技术，解决常见的商业问题。 本书涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践、数据挖掘的最新进展和一些富有挑战性的研究课题，极具技术深度与广度。配套网站www．data-miners．com／companion提供了每章的练习和用于测试各种数据挖掘技术的数据。全书语句凝炼、清新，对复杂概念的实际应用进行了生动解释，是必不可少的数据挖掘教材。

作者[美]MichaelJ.A.B介绍：

Michael J.A.Berry，他们是专业的数据挖掘咨询公司Data Miners的创办人。他们合作出版了一些经典的数据挖掘著作，包括Data Mining Techniquee,Mastering Data Mining和Mining the Web（均由Wiley公司出版）。作为数据挖掘顾问，他们一起为北美洲、欧洲和亚洲的许多大公司提供专业咨询，把客户数据、呼叫数据、网络日志条目、销售点记录和账单文件变成有用的信息，用于改善客户体验。他们都有近20年在营销和客户关系管理方面应用数据挖掘技术的经验。

《数据挖掘技术》 目录大纲：

出版者的话
专家指导委员
译者序
致谢
前言
第1章 数据挖掘的缘起和内容
1.1 分析客户关系管理系统
1.2 什么是数据挖掘
1.3 数据挖掘可以完成哪些工作
1.4 为什么现在研究
1.5 目前如何使用数据挖掘
1.6 小结
第2章 数据挖掘的良性循环
2.1 商业数据挖掘案例研究
2.2 何谓良性循环
2.3 良性循环环境下的数据挖掘
2.4 移动通信公司建立恰当的联系
2.5 神经网络和决策树驱动SUV的销售
2.6 小结
第3章 数据挖掘方法论和最佳实践
3.1 为什么需要方法论
3.2 假设测试
3.3 模型、建立简档和预测
3.4 方法论
3.5 小结
第4章 数据挖掘在市场营销和客户关系管理中的应用
……
第5章 统计学的魅力：数据挖掘常用的工具
第6章 决策树
第7章 人工神经网络
第8章 最近邻方法：基于存储的推理和协同过滤
第9章 购物篮分析和关联规则
第10章 链接分析
第11章 自动聚类探测
第12章 市场营销中的风险函数和生存分析
第13章 遗传算法
第14章 数据挖掘贯穿客户生存周期
第15章 数据仓库、OLAP和数据挖掘
第16章 构造数据挖掘环境
第17章 为挖掘准备数据
第18章 应用数据挖掘