前言

第一部分 数据挖掘介绍

第1章 了解数据挖掘

1.1 什么是数据挖掘

译者序

1.2 为何使用数据挖掘

1.3 当前数据挖掘是如何使用的

1.4 术语定义

1.5 数据挖掘方法

1.6 微软数据挖掘概述

1.6.2 数据挖掘模型

1.6.3 数据挖掘算法

1.6.1 数据挖掘与OLAP

1.6.4 在数据挖掘中使用微软SQL Server语法

1.7 本章小结

第2章 微软SQL Server Analysis Services体系结构

2.1 OLAP介绍

2.1.1 MOLAP

2.1.2 ROLAP

2.1.3 HOLAP

2.2 服务器结构体系结构

2.3 客户机结构体系结构

2.3.1 PivotTable Service

2.3.2 OLE DB

2.3.4 多维表达式

2.3.3 决策支持对象

2.4 本章小结

2.3.5 预测连接

第3章 数据存储模型

3.1 为何数据挖掘需要一个数据仓库

3.2 基于OLTP数据的报表可能对性能造成威胁

3.3 用于数据挖掘的数据仓库体系结构

3.3.1 由OLTP数据创建数据仓库

3.3.2 为挖掘而优化数据

3.3.3 数据挖掘物理结构

3.4 关系型数据仓库

3.4.1 关系型数据存储的优点

3.5.1 数据挖掘如何使用OLAP结构

3.4.2 为数据挖掘创建支持表

3.5 OLAP立方体

3.5.2 OLAP存储的优点

3.5.3 何时OLAP不适合数据挖掘

3.6 本章小结

第4章 数据挖掘的方法

4.1 直接数据挖掘

4.2 间接数据挖掘

4.2.1 数据挖掘与统计学

4.2.2 从历史数据中学习

4.2.3 预测未来

4.3 数据挖掘模型的训练

4.4 本章小结

第5章 微软决策树

5.1 创建模型

第二部分 数据挖掘方法

5.2 使模型可视化

5.2.1 Dependency Network Browser

5.2.2 深入决策树算法

5.3 如何推导预测结果

5.3.1 导航树

5.3.2 导航与规则

5.3.3 何时使用决策树

5.4 本章小结

6.1.1 选择源的类型

第6章 使用OLAP创建决策树

6.1 创建模型

6.1.2 选择源立方体和数据挖掘技术

6.1.3 选择实例

6.1.4 选择预测实体

6.1.5 选择训练数据

6.1.6 选择维和虚拟立方体

6.1.7 完成数据挖掘模型

6.2 OLAP挖掘模型编辑器

6.2.1 内容细节面板

6.2.2 结构面板

6.3 使用OLAP数据挖掘模型分析数据

6.2.3 预测树列表

6.3.1 使用生成的虚拟立方体

6.3.2 使用生成的维

6.4 本章小结

第7章 微软聚类

7.1 分类

7.2 分类的作用

7.3 聚类是间接数据挖掘技术

7.4 聚类是如何工作的

7.4.1 算法概述

7.4.2 K-Means聚类算法

7.4.4 聚类要素

7.4.3 何谓准确度量

7.4.5 度量“接近程度”

7.5 何时使用聚类

7.5.1 使关系可视化

7.5.2 使异常数据更醒目

7.5.3 为其他数据挖掘工作创建样本

7.5.4 聚类的弱点

7.6 使用聚类创建数据挖掘模型

7.6.1 选择源类型

7.6.2 为数据挖掘模型选择表

7.6.3 选择数据挖掘技术

7.6.4 编辑连接

7.6.5 为数据挖掘选择实例的关键列

7.6.6 选择用于输入的和可预测的列

7.7 查看模型

7.7.1 聚类节点的组织结构

7.7.2 聚类节点的排序

7.8 分析数据

7.9 本章小结

第三部分 数据挖掘应用编程

第8章 利用微软数据转换服务

8.1 什么是DTS

8.2 DTS任务

8.2.1 转换

8.2.3 数据驱动查询

8.2.4 执行包

8.2.2 批录入

8.3 连接

8.3.1 源

8.3.2 配置连接

8.4 DTS包工作流程

8.4.1 DTS包的流程控制

8.4.2 优先权约束

8.5 DTS设计器

8.5.1 打开DTS设计器

8.5.2 保存DTS包

8.6 dtsrun实用程序

8.7 用DTS建立数据挖掘模型

8.7.1 SQL Server环境准备

8.7.2 创建包

8.8 本章小结

第9章 使用决策支持对象

9.1 脚本语言与VB编程

9.1.1 Server对象

9.1.2 Database对象

9.2 用DSO创建关系数据挖掘模型

9.3 用DSO创建OLAP数据挖掘模型

9.3.1 DataSource对象

9.3.2 数据挖掘模型

9.4 添加新的数据源

9.5 Analysis服务器角色

9.5.2 添加一个新的数据挖掘模型角色

9.5.1 数据挖掘模型角色

9.6 本章小结

第10章 理解数据挖掘结构

10.1 数据挖掘模型实例的结构

10.2 使用程序代码来浏览数据挖掘模型

10.3 使用模式行集

10.3.1 MINING_MODELS模式行集

10.3.2 MINING_COLUMNS模式行集

10.3.3 MINING_MODEL_CONTENT模式行集

10.3.4 MINING_SERVICES模式行集

10.3.5 SERVICE_PARAMETERS模式行集

10.3.6 MODEL_CONTENT_PMML模式行集

10.4 本章小结

第11章 使用PivotTable Service进行数据挖掘

11.1 重新分配组件

11.2 安装和注册组件

11.2.1 文件位置

11.2.2 安装注册设置

11.2.3 重新分配安装程序

11.3 连接到PivotTable Service

11.3.1 使用PivotTable Service连接到Analysis Services

11.3.2 使用HTTP连接到Analysis Services

11.4 创建本地数据挖掘模型

11.4.1 本地挖掘模型的存储

11.4.2 SELECT INTO语句

11.4.3 INSERT INTO语句

11.4.4 OPENROWSET语法

11.4.5 嵌套表和SHAPE语句

11.5 在数据挖掘中使用XML

11.6 本章小结

第12章 数据挖掘查询

12.1 预测查询组件

12.1.1 基本的预测查询

12.1.2 指定测试实例源

12.1.3 指定列

12.1.4 PREDICTION JOIN子句

12.1.5 使用函数作为列

12.1.6 使用表值作为列

12.1.9 Predict

12.1.8 预测函数

12.1.7 WHERE子句

12.1.10 PredictProbability

12.1.11 PredictSupport

12.1.12 PredictVariance

12.1.13 PredictStdev

12.1.14 PredictProbabilityVariance

12.1.15 PredictProbabilityStdev

12.1.16 PredictHistogram

12.1.17 TopCount

12.1.18 TopSum

12.1.19 TopPercent

12.1.23 PredictScore

12.2 带聚类模型的预测查询

12.1.24 PredictNodeId

12.1.21 RangeMid

12.1.22 RangeMax

12.1.20 RangeMin

12.2.1 Cluster

12.2.2 ClusterProbability

12.2.3 ClusterDistance

12.3 使用DTS来运行预测查询

12.4 本章小结

附录

附录A 回归分析

附录B 术语表