Excel 2007 數據挖掘完全手冊（簡體書）

本書圍繞Excel 2007的數據挖掘模塊，通過大量操作示范，介紹了主流的數據挖掘方法。全書包括數據挖掘算法介紹、Excel 2007數據挖掘模塊介紹、其他分析工具介紹、數據挖掘范例4篇，共26章。除了給出有關的理論和原理闡述之外，還提供了一些大型應用案例。通過詳細的操作講解和結果分析，讀者可以獲得實際的數據挖掘經驗，并能迅速地在自己所處的領域中加以應用。 利用Excel 2007的數據挖掘模塊，讀者無須經過專業培訓，就能完成多種數據挖掘任務。本書適用于學習數據挖掘和相關課程的學生、運用Excel 2007進行復雜大型數據分析的職場人士及咨詢公司從業人員等。

第1篇 數據挖掘算法介紹
　第1章 數據挖掘簡介
1.1 數據挖掘的定義
1.2 數據挖掘的重要性
1.3 數據挖掘的功能
1.4 數據挖掘的步驟
1.5 數據挖掘建模的標準CRISP-DM
　第2章 數據挖掘運用的理論和技術
2.1 回歸分析
2.1.1 簡單線性回歸分析
2.1.2 多元回歸分析
2.1.3 嶺回歸分析
2.1.4 Logistic回歸分析
2.2 關聯規則
2.3 聚類分析
2.4 判別分析
2.5 類神經網絡分析
2.6 決策樹分析
2.7 其他分析方法
　第3章 數據挖掘與相關領域的關系
3.1 數據挖掘與統計分析的不同
3.2 數據挖掘與數據倉儲的關系
3.3 知識發現與數據挖掘的關系
3.4 OLAP與數據挖掘的關系
3.5 數據挖掘與機器學習的關系
3.6 網絡挖掘與數據挖掘的關系
　第4章 數據挖掘商業軟件產品及其應用現狀
4.1 數據挖掘商業軟件的分類
4.2 主要軟件的介紹
4.3 顧客關系管理
4.4 數據挖掘的行業應用
第2篇 Excel 2007數據挖掘模塊介紹
　第5章 安裝與設定Excel 2007數據挖掘加載項
5.1 系統需求
5.2 開始安裝
5.3 完成安裝驗證
5.4 組件設定
5.5 配置完成檢查
　第6章 Excel 2007數據挖掘入門
6.1 Excel 2007數據挖掘功能介紹
6.2 數據挖掘使用說明
6.2.1 目錄查詢
6.2.2 開始功能
6.2.3 視頻和教學
6.3 數據挖掘連接配置
6.3.1 設定目前的連接
6.3.2 跟蹤
6.4 數據準備
6.4.1 瀏覽數據
6.4.2 清除數據
6.4.3 分割數據
6.5 數據建模
6.6 精確度和驗證
6.6.1 準確性圖表
6.6.2 分類矩陣
6.6.3 利潤圖
6.7 模型用法
6.7.1 瀏覽功能
6.7.2 查詢功能
6.8 模型管理
6.8.1 重新命名挖掘模型
6.8.2 刪除挖掘結構
6.8.3 清除挖掘結構
6.8.4 用原始數據處理挖掘結構
6.8.5 用新數據處理挖掘結構
6.8.6 導出挖掘結構
6.8.7 導入挖掘結構
　第7章 決策樹
7.1 基本概念
7.2 決策樹模塊的建立
7.3 決策樹與判別函數比較
7.4 計算方法
7.4.1 確定預測精度的標準
7.4.2 選擇分裂（分層）技術
7.4.3 定義停止分裂（分層）的時間點
7.4.4 選擇適當大小的決策樹
7.5 Excel 2007 決策樹算法
　第8章 貝葉斯概率分類
8.1 基本概念
8.2 Excel 2007貝葉斯概率分類
　第9章 關聯規則
9.1 基本概念
9.2 關聯規則的種類
9.3 關聯規則的算法：Apriori算法
9.4 Excel 2007關聯規則
　第10章 聚類分析
10.1 基本概念
10.2 層次聚類分析
10.3 聚類分析原理
10.4 Excel 2007聚類分析
　第11章 時序聚類
11.1 基本概念
11.2 相關研究和算法
11.3 Excel 2007時序聚類
　第12章 線性回歸
12.1 基本概念
12.2 簡單回歸分析
12.3 多元回歸分析
12.4 Excel 2007線性回歸
　第13章 Logistic回歸
13.1 基本概念
13.2 logit變換
13.3 Logistic分布
13.4 列聯表的Logistic回歸模型
13.5 Excel 2007 Logistic回歸
　第14章 類神經網絡
14.1 基本概念
14.2 類神經網絡的架構與訓練算法
14.3 類神經網絡的特性
14.4 類神經網絡應用
14.5 類神經網絡優缺點
14.6 Excel 2007類神經網絡
　第15章 時間序列分析
15.1 基本概念
15.2 時間序列的成分
15.3 時間序列數據的圖形介紹
15.4 利用平滑法預測
15.5 用趨勢方程預測時間序列
15.6 預測含趨勢與季節成分的時間序列
15.7 利用回歸模型預測時間序列
15.8 其他預測模型
15.9 單變量時間序列預測模型
15.10 時間趨勢預測模型
15.11 Excel 2007時間序列
　第16章 DMX介紹
16.1 DMX介紹
16.2 DMX函數介紹
16.2.1 模型建立
16.2.2 模型訓練
16.2.3 模型使用（預測）
16.2.4 其他函數語法
16.3 DMX數據挖掘語法
16.3.1 決策樹
16.3.2 貝葉斯概率分類
16.3.3 關聯規則
16.3.4 聚類分析
16.3.5 時序聚類
16.3.6 線性回歸
16.3.7 Logistic回歸
16.3.8 類神經網絡
16.3.9 時間序列
16.4 DMX應用范例
16.4.1 分類
16.4.2 估計
16.4.3 預測
16.4.4 關聯分組
16.4.5 聚類
第3篇 其他分析工具介紹
　第17章 分析關鍵影響因素
　第18章 檢測類別
　第19章 從示例填充
　第20章 預測
　第21章 突出顯示異常值
　第22章 應用場景分析
22.1 目標查找
22.2 假設
　第23章 Visio 2007數據透視分析
第4篇 數據挖掘范例
　第24章 上市公司投資價值分析的挖掘模型
24.1 研究動機與目的
24.2 挖掘模型的構建
24.3 變量篩選
24.4 決策樹模型
24.5 貝葉斯概率模型
24.6 Logistic回歸模型
24.7 預測準確度比較
　第25章 信用卡用戶信用評測的挖掘模型
25.1 研究背景
25.2 研究動機
25.3 研究目的
25.4 Excel 2007構建數據挖掘模型
25.4.1 決策樹分析
25.4.2 聚類分析
25.4.3 Logistic回歸
　第26章 市場營銷與客戶細分的挖掘模型
26.1 研究動機與目的
26.2 研究方法與限制
26.3 數據分析
26.4 挖掘建模
26.4.1 決策樹
26.4.2 單純貝葉斯分類
26.4.3 聚類分析
26.4.4 決策樹
26.4.5 Logistic回歸
26.4.6 關聯分析
26.5 結論 More