标签
内容简介
本书系统介绍数据仓库原理、联机分析处理、数据仓库设计与开发、数据仓库的决策支持应用，数据挖掘原理、信息论的决策树方法、集合论的粗糙集方法、关联规则、公式发现、神经网络、遗传算法、文本挖掘与Web挖掘，以及数据仓库与数据挖掘的发展。本书可用作高院校教材，也可以作为相关专业科研和工程技术人员的参考书。
编辑推荐
本书把数据仓库与数据挖掘两块内容放在同一框架下讲述，先讲清数据仓库原理、联机分析处理与设计开发，再延伸到决策支持应用，形成从数据组织到知识发现的完整链条。亮点在于方法覆盖面广：既包含信息论的决策树、集合论的粗糙集、关联规则与公式发现等经典内容，也纳入神经网络、遗传算法以及文本挖掘与Web挖掘等方向，便于读者建立较完整的知识地图。作为高校教材，其结构适合按学期推进，教师可据此安排讲授与实验；对科研和工程技术人员而言，书中对原理与方法的梳理也可作为查阅参考。阅读时需注意，本书偏重方法原理与体系介绍，实践环节需配合课程设计或实际数据项目加以补充，方能将方法转化为动手能力。
适合谁读
适合
- 高校数据科学、计算机、信息管理等相关专业本科生，需要系统学习数据仓库与挖掘课程
- 讲授数据仓库或数据挖掘课程的高校教师，需要结构完整、方法覆盖面广的教材
- 从事数据分析与决策支持工作的工程技术人员，需要补充方法原理与体系知识
- 准备进入数据相关研究方向、希望建立完整知识框架的读者
不适合
- 只想快速上手某一款数据分析工具、追求即学即用操作技巧的读者
- 完全没有数据库与程序设计基础、希望零门槛入门的初学者
- 期待大量完整实战案例与端到端项目演练的读者
阅读建议
- 先通读数据仓库部分，理清体系结构与联机分析处理的定位，再进入数据挖掘方法章节
- 按方法类别做笔记，把决策树、粗糙集、关联规则等归入同一比较框架，便于辨析异同
- 每学完一类方法，用一个小型数据集动手实现或复现，检验对原理的理解
- 涉及神经网络与遗传算法时，可先复习相关数学基础，再回到书中推导与算法步骤
出版社简介
北京大学出版社
中国 · 成立于 1979 年
北京大学出版社是一家综合性大学出版社，其出版方向涵盖古典文学、科学科普、社会文化、世界史、西方哲学与文化等领域。库内收录图书6031种，代表性图书包括《红楼梦》《狭义与广义相对论浅说（第15版）（附爱因斯坦关于统一场论及其他经典论文）》《几何原本》《圆锥曲线论》《东晋门阀政治》《神话哲学（上卷）》《神话哲学（下卷）》《海陆的起源》等。代表作者有曹雪芹、周汝昌、爱因斯坦、欧几里得、阿波罗尼奥斯、田余庆、谢林、先刚等。该社在古典文学与西方哲学原典译介方面形成特色，兼及科学经典与社会文化研究。因公开资料有限，此处仅依据库内图书呈现其出版方向，不作额外延伸。
目录
- 版权信息
- 专家编审委员会
- 丛书序
- 前言
- 第1章 企业数据资源管理
- 1.1 数据资源的概念
- 1.2 数据资源管理的意义
- 1.3 信息资源管理的相关技术
- 1.4 企业通过数据仓库与数据挖掘获得竞争优势
- 本章小结
- 思考与练习
- 第2章 数据仓库的概念与结构
- 2.1 数据仓库的概念
- 2.2 数据仓库系统
- 2.3 数据仓库中的数据组织
- 本章小结
- 思考与练习
- 第3章 数据仓库的设计与开发
- 3.1 数据仓库的开发过程及特点
- 3.2 数据模型设计
- 3.3 数据仓库的粒度设计
- 3.4 创建数据仓库的基本步骤
- 本章小结
- 思考与练习
- 第4章 联机分析处理
- 4.1 OLAP的基本概念
- 4.2 OLAP与多维分析
- 4.3 OLAP的分类
- 4.4 OLAP的特性与不足
- 4.5 SQL Server 2005统一维度模型
- 本章小结
- 思考与练习
- 第5章 数据挖掘概述
- 5.1 数据挖掘技术的由来
- 5.2 数据挖掘的定义
- 5.3 数据挖掘发现的知识类型
- 5.4 数据挖掘流程
- 5.5 数据挖掘的方法和技术
- 本章小结
- 思考与练习
- 第6章 数据预处理
- 6.1 数据预处理的目的及方法
- 6.2 数据清理
- 6.3 数据集成
- 6.4 数据变换
- 6.5 数据归约
- 本章小结
- 思考与练习
- 第7章 数据挖掘中的常用算法
- 7.1 Apriori算法
- 7.2 决策树算法
- 7.3 神经网络算法
- 7.4 聚类分析
- 本章小结
- 思考与练习
- 第8章 SQL Server数据仓库与数据挖掘工具及其应用
- 8.1 SQL Server 2005的功能构架
- 8.2 SQL Server数据仓库设计与数据挖掘准备
- 8.3 SQL Server集成服务
- 8.4 SQL Server分析服务
- 8.5 SQL Server中的数据挖掘工具与应用
- 8.6 SQL Server报表服务
- 本章小结
- 思考与练习
- 附录A 一个简易的数据挖掘工具——Weka
- A1 启动Weka
- A2 Weka Explorer
- A3 数据预处理(Preprocess)
- A4 分类(Classify)
- A5 聚类(Cluster)
- A6 关联分析(Associate)
- A7 选择属性和可视化
- 参考文献
- 北京大学出版社财经管理类实用规划教材（已出版）
常见问题
没有数据挖掘基础，能直接读这本书吗？
可以，但需要一定准备。本书从数据仓库原理讲起，方法部分按类别展开，适合作为入门教材系统学习。不过书中涉及信息论、集合论、神经网络等内容，建议先具备概率统计、线性代数和程序设计的基本知识，遇到数学推导时配合复习，阅读会更顺畅。
这本书偏理论还是偏实践？
从内容安排看，本书以原理、方法与体系介绍为主，覆盖数据仓库设计开发、联机分析处理以及多种挖掘方法，属于典型的高校教材写法。实践环节需要读者自行配合课程设计、实验或实际数据项目来补充，单靠阅读难以获得完整的动手经验。
书中方法较多，学习时如何取舍？
可先掌握数据仓库体系与联机分析处理，再学习决策树、关联规则等经典挖掘方法，形成主干；粗糙集、公式发现、遗传算法等可作为扩展按兴趣或研究需要选读。文本挖掘与Web挖掘适合在掌握基本方法后阅读，便于理解方法在新场景中的延伸。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
廖开际
作者 · 中国
廖开际，中国作者，公开资料有限，目前已知其著有《数据仓库与数据挖掘》一书，该书被归入计算机综合类。从作品题材来看，廖开际的关注点集中在数据仓库与数据挖掘这一计算机应用领域，涉及数据的组织、存储与分析利用等方向。这类著作通常面向高等院校计算机及相关专业的学生，也可供从事数据处理工作的技术人员参考。尽管关于作者本人的学历、职业与研究方向等背景信息尚不充分，但仅就此书而言，其内容属于数据库与数据科学交叉的实用题材，在中文计算机教材与专业读物中具有一定的参考价值。
