數據挖掘：商業數據分析技術與實踐（簡體書）

蓋麗特·徐茉莉、彼得·布魯斯、米婭·斯蒂芬斯、尼廷·帕特爾著的《數據挖掘(商業數據分析技術與實踐)》采用SAS公司的統計軟件包JMP Pro進行實踐性應用，使用引人入勝的實際案例來構建關鍵數據挖掘方法（尤其是分類和預測的預測模型）的理論及其實踐理解。本書所討論的主題包括數據可視化、降維、聚類、線性和邏輯回歸、分類和回歸樹、判別分析、樸素貝葉斯、人工神經網絡、增量模型、集成算法以及時間序列預測等。

作者:(美)蓋麗特·徐茉莉 作者:彼得·布魯斯 作者:米婭·斯蒂芬斯 作者:尼廷·帕特爾 譯者:阮敬 譯者:嚴雪林 譯者:周暐阮敬(1979—)，博士，現任首都經濟貿易大學研究生院副院長，統計學院教授，北京市豐臺區政協委員。兼任北京大數據協會副秘書長、中國統計教育學會常務理事兼高等教育分會副秘書長、中國商業統計學會常務理事、全國工業統計學教學研究會理事等職。近年來主持國家社科基金、教育部人文社科基金、北京市自然科學基金、北京市社科基金、留學人員科技活動擇優資助項目等10余項；主持世界500強企業及大型國企、國家部委及北京市政府部門等的大數據分析相關橫向課題20余項。在國內外公開發表論文50余篇，出版專著教材5部，先后11次榮獲國務院學位辦全國應用統計專業學位研究生教育指導委員會優秀教學成果獎、全國統計科學研究優秀成果獎、北京市哲學社會科學優秀成果獎、北京市統計科學研究優秀成果獎等科研和教學獎勵。蓋麗特·徐茉莉博士是中國臺灣清華大學服務科學研究所的特聘教授。自2004年以來，她在馬里蘭大學、www.statistics.com、印度商學院和中國臺灣清華大學設計並指導了數據挖掘課程。徐茉莉教授以她在商業分析領域的研究和教學而聞名，她的研究方向是在信息系統和醫療保健方面的統計和數據挖掘方法。她撰寫了70篇期刊文章、書籍、教材和圖書章節，包括Wiley出版的《商業數據挖掘：概念、技術和應用程序XLMiner?（第三版）》。彼得·布魯斯是www.statistics.com統計教育研究所的主席和創始人。他撰寫了多篇期刊文章，並且是重采樣統計軟件的開發者。他是《統計分析導論：基于重采樣角度》一書的作者以及《商業數據挖掘：概念、技術和應用程序XLMiner（第三版）》的合著者之一。米婭·斯蒂芬斯是SAS/JMP?的學術顧問。在加入SAS公司之前，她曾是新罕布什爾大學的統計學兼職教授，也是North Haven Group有限責任公司（一家統計培訓和咨詢公司）的創始成員。同時是另外三本書的合著者，包括由Wiley出版的《六西格瑪可視化：更精益化的數據分析（第二版）》。尼廷·帕特爾博士是位于馬薩諸塞州劍橋市的Cytel有限公司的主席和聯合創始人，美國統計協會會士，同時也是麻省理工學院和哈佛大學的客座教授。他是印度計算機學會會士，並在印度管理學院艾哈邁德巴德分校擔任15年教授工作。他也是Wiley出版的《商業數據挖掘：概念、技術和應用程序XLMiner（第三版）》的合著者之一。嚴雪林，現任SAS公司JMP事業部亞太區總經理，北京大數據協會副會長。兼任首都經濟貿易大學統計學院兼職教授、全國應用統計專業學位研究生教育指導委員會“大數據碩士”兼職研究生導師、上海財經大學統計與管理學院兼職研究生導師，曾任JMP大中華地區總經理、SAS大中華地區市場及渠道總監、上海大學管理學院兼職教授、中央財經大學統計學院兼職教授等職。長期于全球信息技術及數據分析類領導企業擔任高級管理職位，在數據分析、商業智能、運營、市場營銷、戰略、信用及風險、大數據等領域有近20年的研究與實踐。曾領導多個國際團隊，為財富500強企業及中國本土行業領導者提供數據分析戰略、市場營銷、研發優化、運營、風險等領域的服務，成功幫助客戶導入大數據與分析戰略，建立起基于數據分析的科學決策與運營體系，實現轉型，推動變革與創新。周暐，碩士。現任SAS公司JMP事業部數據分析專家。兼任中國質量協會六西格瑪專家委員會專家委員，上海財經大學統計與管理學院應用統計碩士研究生導師（兼職），曾在西門子(Siemens)通信運營部門工作多年。精通統計學的理念與實踐，擅長探索性數據分析(EDA)、實驗設計(DOE)、建模預測(Modeling)、生存與可靠性分析(Reliability)、統計過程控制(SPC)、市場調查(Marketing Research)等統計分析方法在實際工作中的應用。2007年年底編著完成《六西格瑪管理統計指南》（中國質量協會推薦的專業書籍），積累了統計技術在半導體、電子、醫藥、汽車、化工、銀行、教育等行業應用的寶貴經驗，曾受邀為多家著名企業和高等學府輔導統計應用及六西格瑪專業知識，並獲得廣泛好評。

蓋麗特·徐茉莉、彼得·布魯斯、米婭·斯蒂芬斯、尼廷·帕特爾著的《數據挖掘(商業數據分析技術與實踐)》是一本非常優秀的教科書，適用于數據挖掘、預測分析和商業分析的本科生和研究生課程。本書也是數據科學家、分析師、研究人員和從業人員在管理、金融、市場營銷、信息技術、醫療保健、教育和其他數據豐富的領域進行分析的獨一無二的資源。

第一部分 預備知識
1 導論
1.1 什麼是商業分析？
1.2 什麼是數據挖掘？
1.3 數據挖掘及相關用語
1.4 大數據
1.5 數據科學
1.6 為什麼會有這么多不同的方法？
1.7 術語和符號
1.8 本書框架
2 數據挖掘概述
2.1 引言
2.2 數據挖掘的核心思想
2.3 數據挖掘步驟
2.4 初步步驟
2.5 預測能力和過擬合
2.6 用JMP Pro建立預測模型
2.7 用JMP Pro進行數據挖掘
2.8 自動化數據挖掘解決方案
第二部分 數據探索與降維
3 數據可視化
3.1 數據可視化的用途
3.2 數據實例
3.3 基本圖形：條形圖、折線圖和散點圖
3.4 多維可視化
3.5 特殊可視化
3.6 基于數據挖掘目標的主要可視化方案和操作概要
4 降維
4.1 引言
4.2 維度災難
4.3 實際考慮
4.4 數據匯總
4.5 相關分析
4.6 減少分類變量中的類別數量
4.7 將分類型變量轉換為連續型變量
4.8 主成分分析
4.9 利用回歸模型降維
4.10 利用分類和回歸樹降維
第三部分 性能評估
5 評估預測效果
5.1 引言
5.2 評價預測性能
5.3 評判分類效果
5.4 評判分類性能
5.5 過采樣
第四部分 預測與分類方法
6 多元線性回歸
6.1 引言
6.2 解釋模型與預測模型
6.3 估計回歸方程和預測
6.4 線性回歸中的變量選擇
7 k近鄰法
7.1 k-NN分類（分類型結果變量）
7.2 數值型結果變量下的k-NN方法
7.3 k-NN算法的優點和缺點
8 樸素貝葉斯分類器
8.1 引言
8.2 使用完全（精確）貝葉斯分類器
8.3 樸素貝葉斯方法的優點和缺點
9 分類和回歸樹
9.1 引言
9.2 分類樹
9.3 生成樹
9.4 評估分類樹的效果
9.5 避免過擬合
9.6 樹中的分類準則
9.7 多分類的分類樹
9.8 回歸樹
9.9 樹的優點和缺點
9.10 預測方法的提高：組合多棵樹
9.11 不純度的提取和度量
10 邏輯回歸
10.1 引言
10.2 邏輯回歸模型
10.3 評價分類性能
10.4 完整分析案例：預測航班延誤
10.5 附錄：邏輯回歸的概括
11 神經網絡
11.1 引言
11.2 神經網絡的概念和結構
11.3 擬合數據
11.4 JMP Pro用戶輸入
11.5 探索預測變量和響應變量的關系
11.6 神經網絡的優點和缺陷
12 判別分析
12.1 引言
12.2 觀測值到類的距離
12.3 從距離到傾向和分類
12.4 判別分析的分類性能
12.5 先驗概率
12.6 多類別分類
12.7 優點和缺點
13 組合方法：集成算法和增量模型
13.1 集成算法
13.2 增量（說服）模型
13.3 總結
第五部分 挖掘記錄之間的關系
14 聚類分析
14.1 引言
14.2 定義兩個觀測值之間的距離
14.3 定義兩個類之間的距離
14.4 系統（凝聚）聚類
14.5 非系統聚類：k-means算法
第六部分 時間序列預測
15 時間序列處理
15.1 引言
15.2 描述性與預測性建模
15.3 商業中的主流預測方法
15.4 時間序列的構成
15.5 數據分割和性能評價
16 回歸預測模型
16.1 趨勢模型
16.2 季節模型
16.3 趨勢和季節模型
16.4 自相關和ARIMA模型
17 平滑法
17.1 引言
17.2 移動平均法
17.3 簡單指數平滑法
17.4 高級指數平滑法
第七部分 案例
18 案例
18.1 查爾斯圖書俱樂部
18.2 德國信貸
18.3 太古軟件編目
18.4 政治說教
18.5 出租車訂單取消
18.6 浴皂的消費者細分
18.7 直郵籌款
18.8 破產預測
18.9 時間序列案例：預測公共交通需求