大数据精准挖掘PDF|Epub|txt|kindle电子书版本网盘下载

大数据精准挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 基础篇3

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数据采集、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征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大数据与云计算关系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27

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神经网络33

3.1.3 Logistic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

4.2 Logistic回归模型55

4.3 Logistic回归模型的参数估计56

4.4 Logistic回归模型中回归系数的意义58

4.5 Logistic回归模型的拟合优度63

4.6 Logistic回归系数的显著性检验72

4.7 Logistic回归模型的预测准确性75

4.8回归变量的选择与逐步回归77

4.9本章小结83

第5章 数据挖掘建模过程86

5.1 CRISP-DM86

5.2 SAS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 应用篇93

第6章 金融行业应用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

6.4.1二元变量预测建模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——评分卡文件103

6.5本章小结109

第7章 金融行业应用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图形版连续变量预测建模112

7.2.2图形版建模输出114

7.3本章小结116

第8章 保险电销应用——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造变量122

8.3.3生成挖掘表123

8.3.4建立响应模型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 电信行业应用——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数据准备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 商品零售行业应用——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

10.3.1 MBA工具的用途145

10.3.2 MBA工具的使用146

10.3.3 MBA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量153

11.3.3生成衍生变量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