大数据精准挖掘
作者：吴昱 著
出版时间：2014年版
内容简介
《大数据精准挖掘》以新兴的大数据时代最实用的技术为支撑，以广阔的科技视野和扎实的专业功底，全面介绍了大数据时代的由来和背景，阐述了与大数据分析相关的理论和数学模型。特别难能可贵的是，本书从蕴含大数据技术的精准数据挖掘工具入手，结合实际的成功案例，将数据精准挖掘的全过程和详细步骤，包括结果验证等方面内容，详详细细并非常专业地展现给读者。本书理论和实践密切结合，文字流畅，深入浅出，通俗易懂。通过本书的学习，可以掌握当下大数据所涉及的主要数学分析模块的要点，并比较相互的特点。同时，能够学会实用的数据挖掘专门技术及经历数据挖掘的全过程。由于本书所介绍的技术与我国目前大数据运用的领军行业金融、保险、电信、电子商务等密切相连，故本书有很强的实用性，能达到学以致用、边学边用的效果。《大数据精准挖掘》适合我国IT业的科研机构、相关企业的专业技术人员的学习之用；本书还可以作为政府部门制定大数据发展战略时的参考。本书也适合全国高等院校的大学生和研究生学习使用；由于本书将理论与具体操作合二为一，故也能作为全国大专院校开设大数据实验课程的教材。
目录
第1篇基础篇
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
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?3Logistic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?2Logistic回归模型55
4?3Logistic回归模型的参数估计56
4?4Logistic回归模型中回归系数的意义58
4?5Logistic回归模型的拟合优度63
4?6Logistic回归系数的显著性检验72
4?7Logistic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?1CRISP?DM86
5?2SAS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
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?1MBA工具的用途145
10?3?2MBA工具的使用146
10?3?3MBA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
