初识数据挖掘
|
数据挖掘的产生
数据挖掘的应用价值
数据挖掘的发展过程
数据挖掘的定义
|
初识数据仓库
|
数据仓库的产生
数据仓库的应用价值
数据仓库的发展过程
数据仓库的定义
数据仓库与数据挖掘的关系
|
| 进一步理解数据挖掘 |
数据挖掘的功能
数据挖掘常用技术
数据挖掘的过程
|
| 数据挖掘应用实例 |
应用领域
典型案例
|
| 数据挖掘的发展趋势 |
数据挖掘研究方向
数据挖掘应用的热点
|
| 进一步深入理解数据仓库的定义 |
数据仓库的数据是面向主题的
数据仓库的数据是集成的
数据仓库的数据是不可更新的
数据仓库的数据是随时间不断变化的
|
| 数据仓库的结构 |
元数据
粒度的概念
分割问题
数据仓库中的数据组织形式
|
数据仓库的清理
数据仓库系统的设计
|
数据仓库系统设计方法
数据仓库设计的三级数据模型
提高数据仓库的性能
数据仓库设计步骤
|
| 数据仓库数据的访问 |
数据仓库数据的直接访问
数据仓库数据的间接访问
|
| 数据仓库的应用 |
数据仓库的主要应用领域
数据仓库应用实例
|
| 数据预处理的目的 |
原始数据中存在的问题
数据预处理的方法和功能
|
| 数据清理 |
处理空缺值
噪声数据的处理
|
| 数据集成和变换 |
数据集成
数据变换
|
| 数据归约 |
数据归约的方法
数据立方体聚集
维归约
数据压缩
数值归约
离散化与概念分层生成
|
| 广义知识 |
广义知识的概念
广义知识的发现方法
|
| 关联知识 |
关联知识的概念
关联知识的发现方法
关联规则应用实例
|
| 分类知识 |
分类知识的概念
分类知识的发现方法
分类知识应用实例 |
| 预测型知识 |
预测型知识的概念
预测型知识的发现方法
预测型知识应用实例 |
| 偏差型知识 |
偏差型知识的概念
偏差型知识的发现方法 |
| 神经网络算法 |
神经网络的概念
神经网络的计算机模型
定义神经网络拓扑
基于神经网络的算法 |
| 使用候选项集找频繁项集（Apriori）算法 |
关联规则的分类
Apriori算法
从频繁项集产生关联规则
|
| 决策树算法 |
信息论的基本原理
ID3算法
树剪枝
由决策树提取分类规则
|
| 聚类分析 |
聚类分析的概念
聚类分析中的数据类型
几种主要的聚类分析方法
聚类分析算法
|
| SQL Server 2000数据挖掘工具应用 |
安装要求
安装过程
Analysis Services功能介绍
Analysis Services的优点
创建数据挖掘模型
查看和分析挖掘结果
聚类模型
|
| SPSS数据挖掘工具应用 |
安装SPSS Clementine
SPSS Clementine 8.0工作环境介绍
Clementine应用的结构
Clementine的使用
挖掘模型的建立和执行
|
| 决策树算法 |
实例背景
数据挖掘中的分类算法
决策树的概念
|
实例开发
|
实例开发前的准备
实例的系统结构
决策树算法模块
算法的程序实现
|
