业务建模与数据挖掘——数据库技术丛书

    本书展示了如何系统地表达现实世界中的业务问题，从而可以利用数据挖掘技术来解决。重点介绍如何将业务问题的口头表达或模糊的描述首先转换为定性的模型，然后再转换为定义明确的定量模型用于解决问题。最后描述了通过数据挖掘所发现的这些结论如何转换为战略的或技术的实现。
本书回答了各行各业各个层次的经营管理者，数据挖掘工具的真正用户所面临的许多非常切实的问题，例如、数据挖掘技术能够在哪些领域中最有效地应用？如何建立挖掘模型，从而把业务问题转化为数据挖掘能够解决的形式？如何为数据挖掘工具准备数据？等等，并给出了实际解决方案。
主要内容：
如何发现、构建和提炼在业务情景中有用的模型
如何设计、发现和开发数据以便进行数据挖型
为各种业务情景挖掘数据的实用方法
用于构建模型和挖掘的综合、易用、完全交互的方法
附加的在线资源，包括各种方法和可下载的载件工具

数据挖掘Clementine应用实务	数据挖掘算法与应用	金融数据挖掘	数据挖掘原理	空间数据挖掘理论与应用
数据挖掘导论——图灵计算机科学丛书	数据挖掘：概念与技术（英文版·第2版）	数据挖掘原理与算法（第二版）	数据挖掘原理与算法	生物医学数据挖掘

    Dorian Pyle 具有超过25年的从事数据挖掘工作的经验，担任过若干个数据控掘工具公司、信用卡业务公司、制造业公司的顾问，他目前是Data Miners Inc. 的顾问。他研发过若干个具有专利权的建模和数据挖掘技术，包括数据准备和数据概括工具，以及一个可以直接应用的自适应的建模技术。他还是业界会议上一位受欢迎的演说家，另外著有《Data Preparation for Data Mining》。 杨冬青，北京大学信息科学技术大学教授，博士生导师，网络与信息系统研究所副所长，数据库与信息系统研究室主任，中国计算机学会数据库专委会委员。目前主要研究方向为数据库系统现实技术、Web环境下的信息集成与共享、数据仓库和数据挖掘、典型应用领域的数据库技术等。

　　本书系统介绍业务建模与数据挖掘技术。
　　内容涵盖了如何发现、构建和提炼在业务情景中有用的模型；如何设计、发现和开发挖掘所需的数据；如何提供为各种业务情景挖掘数据的实用的方法等。
　　本书适合从事业务建模和数据挖掘以及相关领域的专业技术人员参考。

　　本书展示了如何系统地表达现实世界中的业务问题，从而可以利用数据挖掘技术来解决。重点介绍如何将业务问题的口头表达或模糊的描述首先转换为定性的模型，然后再转换为定义明确的定量模型用于解决问题。最后描述了通过数据挖掘所发现的这些结论如何转换为战略的或技术的实现。
　　本书回答了各行各业各个层次的经营管理者，数据挖掘工具的真正用户所面临的许多非常切实的问题，例如，数据挖掘技术能够在哪些领域中最有效地应用?如何建立挖掘模型，从而把业务问题转化为数据挖掘能够解决的形式?如何为数据挖掘工具准备数据?等等，并给出了实际解决方案。

第一部分 本领域的概要
第1章 世界、知识与模型 2
1.1 世界的本质 2
1.2 系统 7
1.3 知识结构 8
1.4 改变知识结构 14
1.5 小结 18
补充材料 19
第2章 转变经验 20
2.1 挖掘和思想 20
2.2 世界的系统 28
2.3 战略和战术 33
2.4 小结 35
第3章 建模与挖掘的结合 37
3.1 问题 37
3.2 现实世界的数据 40
3.3 假说：解释数据 42
3.4 做出决策 45
3.5 决策 47
3.6 小结 54
第二部分 业务建模
第4章 什么是模型 56
4.1 数据、信息和知识简介 56
4.2 观察者的模型指南 60
4.3 作为一种行为的建模 70
4.4 小结 73
第5章 构建业务模型 74
5.1 建立框架 75
5.2 确定目标 77
5.3 问题和决策 78
5.4 为情形建模：将决策与世界观连接起来 83
5.5 选项：评估可能性 84
5.6 期望：评估未来 89
5.7 最后的调整 94
5.8 为问题框架构图 94
5.9 小结 98
5.10 对决策图的解释 98
5.11 风险计算 99
第6章 获得正确的模型 101
6.1 交互地探索相关领域 102
6.2 利用比喻为业务情形建模 108
6.3 探索工具 120
6.4 业务案例 126
6.5 现实：用我的数据可以做什么 133
6.6 小结 136
第7章 确保模型正确 137
7.1 发现用以挖掘的数据 137
7.2 使用数据 156
7.3 小结 161
第8章 模型的部署 162
8.1 修改业务过程 162
8.2 成功的动机 164
8.3 模型类别的影响 165
8.4 小结 170
第三部分 数据挖掘
第9章 数据挖掘模型入门 172
9.1 查看数据 172
9.2 预处理第一步：检验 174
9.3 基本特征提取 189
9.4 调查数据 194
9.5 小结 195
第10章 挖掘工具做什么 196
10.1 数据挖掘算法 196
10.2 工具和工具集 218
10.3 小结 226
第11章 获得初始模型 227
11.1 准备保持诚实 227
11.2 强调数据 229
11.3 为理解建模 241
11.4 为分类建模 250
11.5 为预测建模 263
11.6 小结 269
补充材料 269
第12章 改进已挖掘的模型 271
12.1 从误差中学习 272
12.2 提高模型质量，解决问题 285
12.3 小结 322
第13章 部署挖掘出的模型 323
13.1 部署解释性模型 323
13.2 新奇性及保持模型有效 323
13.3 所部署模型的形式 334
13.4 小结 335
第四部分 方法论
第14章 方法论概述 338
14.1 方法论的结构 339
14.2 使用方法论 343
14.3 警告 344
第15章 MII—业务建模方法论 346
第16章 MIII—数据挖掘方法论 362
参考资源 425

随着数据库技术的发展和数据库应用的普及，全世界范围内，在业务管理、政府管理、科学与工程数据管理和其他应用领域所使用的数据库的数量和规模都在迅速增大。于是，如何从数据库所积累的大量数据中及时有效地提取对管理决策有用的信息和知识，成为了几乎所有经营管理者所关心的一个共同问题。数据挖掘的目标就是从数据库的数据中发现这样的有用的规则和模式。数据挖掘研究作为数据库和相关领域近年来非常重要和非常活跃的研究领域之一，吸引了来自数据库系统、人工智能、机器学习、统计学、数据可视化……等许多领域的研究人员进行跨学科、跨领域的综合研究。这些研究的重点主要集中在分类、聚类、关联、..

一次在研讨会上发言后，有位听众走上来跟我探讨一个问题。他说自己在一家银行工作，并且还在教一门研究生数据挖掘课程。他问我对于如何把一个问题的业务化描述转变为能用数据挖掘和数据回答的形式有何建议。确实，同一组的好些其他人也问过我同样的问题。从那以后，我多次在不同场合被问到类似的问题，这些场合包括从email讨论、学术会议上的听众提问、业务上的指导演讲，到专门研究如何挖掘数据的个人。如何表达现实世界中的业务问题以便通过数据挖掘来回答它们？显然这已经变成一个紧迫的问题。然而在这之上还有一个更基本的问题：数据挖掘能够有用地解决哪些问题—以及如何解决？ 发现数据挖掘..