Excel 2007数据挖掘完全手册

本书围绕样苗推Excel 2007的数据挖掘模块,通铁异示述希养过大量操作示范,介绍了主流的数据挖掘方法。全书包括数据挖掘算法介绍、Excel 2007数据挖掘模块介绍、其他分析工具介绍、数据挖掘范例4篇,共26章。除了给出有关的理论和原理阐述之外,还提供了一些大型应用案例。通过详细的操作讲解和结果分析,读者可以获得实际的数据挖掘经验,并能迅速地在自己所处的领域中加以应用。

• 中文名 Excel 2007数据挖掘完全手册
• 定价 32 元
• 出版社 清华大学出版社
• 作者 谢邦昌、朱建平、来升强
• 出版时间 2008年07月

编辑巴陈立略迫声助推荐

　　本书围绕Excel 2007的数据挖掘模块，通过大量操作示范，介绍了主流的数据挖掘方法。

图书信息

　　作者:谢邦昌、朱建平、来升强

　　定价:宜32元

　　印次:1-1

来自　　ISBN:9787302174745

　　出版日期:2008.07.01

　　严包重著印刷日期:2008.06.月亚三沿六答率球行11

内容简介

　　本书围绕Excel2007的数据挖掘模块，通过大量操作示范，介绍了主流的数据挖掘方法。全书包括数据挖掘算法介绍、Excel2007数据挖掘模块介绍、其他分析检言换章据复特工具介绍、数据挖倒业连庆段心掘范例4篇，共26章。除了给出有关的理论和原理阐述之外，还提供了一些大型应用案例。通过详细的操作讲解和结果分析，读者可以获得实际的数据挖掘经验，并能迅速地在自己所处的领域中加以应用。

　　利用Excel2007的数据挖掘模块，读者无须经过专业培训，就越模销况能完成多种数据挖掘任务。本书适用于学习数据挖掘和相关课程的学生、运用Exce角职等药出情标皇特l2007进行复杂大型数据分析的职场人士及咨询公司从业人员等。 前言

　　目前，各行各业都开始利用计算机及相应的信息技术进行管理和决策，这使来自得各企事业单位生成、收集、存储和处理数据的能力大大提高。数据量与日俱增，大量复杂信息层出不穷，人们将面临着复杂数据的处理问题。Excel是当前使用最普遍的电子表格软件，它能容易地完成期妒架措读点图表的制作、统计、分析以及数据处理，不但功能强大，而且简单易用。最新版本的MicrosoftOfficeExcel2007支持超过104万笔记录360百科的单张数据工作表，并可以同时存储1.6万列的数据。为能有效提升Excel2007用户数据处理和分析的能力，微软公司提供了一个免费的数据挖掘模块。通过调用该模块，Excel2007用户可以方便快速地完林细杨黑磁氢初束元成以往只有使用专业数据挖掘软件才能完晶安庆县见检派成的任务。因此，我们编写了械队针量《Excel2007数据品态挖掘完全手册》这本书，其目的是使具有一定Excel基础的读者，能够在了解相关统计思想与方法的基础上，运用该软件对复杂数据和海量数据进行处理、分套式材格确得统太析。

　　本书的编写力求以统计值罗逐小亲照思想为主线，以数据挖掘技术应用为目的。基本内容和特点具体体现为:第1篇详细叙述数据挖掘的一般概念、通行规范、方法技术以及软件应用等，使读者获得一个较为清晰和正确的数据挖掘观念。第2篇围绕Excel2007的数据挖掘模块，通过大量操作示范，详细讲述了Excel2007数据挖掘模块的九大模型的使用。这些模型包括决策树、贝叶斯概率分类、关联正思规则、聚类分析、时序聚类、线性回归、Logistic回归、类神经网络和时间序列分析，基本涵盖了主要的数据挖掘技术和方法。第3篇介绍了Excel2007的其他分析工具，结合数据挖掘技术和方法，使用改进的Excel表格工具，可以很方便地进行图形化的分析。第4篇是数据挖掘的案例分析，包括投资决策、信用评级，以及市场销售和客户细分等领域的数据挖掘模型。通过详细的操作讲解和结果解释，读者可以获得实际的数据挖掘经验，并能兴罗迅速在自己所处的领域中加以应用。

　　本书适析从轻烈味兰继合多层次多专业人士如数学、统计、经济金融、管理类等专业的本科生、专科生学习，还大重重的足干适合于非统计类的研究生及从事相关数据分析的人员阅读。

　　目录

　　第1篇数据挖掘算法介绍

　　第1章数据挖掘简介 3

　　1.1数据挖掘的定义 3

　　1.2数据挖掘的重要性 3

　　1.3数据挖掘龙条什火盟笑的功能 3

　　1.4数据挖掘的步骤 4

　　1.5数据挖二言掘建模的标准CRISP-DM 5

　　第2章数据挖掘运用的理论和技术 7

　　2.1回归分析 7

　　2.1.1简单线断规记研迅飞战性回归分析 7

　　2.1.2多元回归分析 7

　　2.1.3岭回归分析 8

　　2.1.4Logistic回归分析 9

　　2.2关联规则 9

　　2.3聚类分析 10

　　2.4判别分析 11

　　2.5类神经网络分析 12

　　2.6决策树分析 13

　　2.7其他分析方法 15

　　第3章数据挖掘与相关领域的关系 17

　　3.1数据挖掘与统计分析的不同 17

　　3.2数据挖掘与数据仓储的关系 17

　　3.3知识发现与数据挖掘的关系 18

　　3.4OLAP与数据挖掘的关系 19

　　3.5数据挖掘与机器学习的关系 19

　　3.6网络挖掘与数据挖掘的关系 20

　　第4章数据挖掘商业软件产品及其应用现状 21

　　4.1数据挖掘商业软件的分类 21

　　4.2主要软件的介绍 21

　　4.3顾客关系管理 22

　　4.4数据挖掘的行业应用 23

　　第2篇Excel2007数据挖掘模块介绍

　　第5章安装与设定Excel2007数据挖掘加载项 27

　　5.1系统需求 27

　　5.2开始安装 27

　　5.3完成安装验证 30

　　5.4组件设定 30

　　5.5配置完成检查 35

　　第6章Excel2007数据挖掘入门 37

　　6.1Excel2007数据挖掘功能介绍 37

　　6.2数据挖掘使用说明 37

　　6.2.1目录查询 37

　　6.2.2开始功能 38

　　6.2.3视频和教学 39

　　6.3数据挖掘连接配置 39

　　6.3.1设定目前的连接 39

　　6.3.2跟踪 41

　　6.4数据准备 41

　　6.4.1浏览数据 41

　　6.4.2清除数据 44

　　6.4.3分割数据 46

　　6.5数据建模 50

　　6.6精确度和验证 51

　　6.6.1准确性图表 51

　　6.6.2分类矩阵 52

　　6.6.3利润图 53

　　6.7模型用法 53

　　6.7.1浏览功能 53

　　6.7.2查询功能 56

　　6.8模型管理 57

　　6.8.1重新命名挖掘模型 57

　　6.8.2删除挖掘结构 57

　　6.8.3清除挖掘结构 58

　　6.8.4用原始数据处理挖掘结构 58

　　6.8.5用新数据处理挖掘结构 58

　　6.8.6导出挖掘结构 59

　　6.8.7导入挖掘结构 60

　　第7章决策树 61

　　7.1基本概念 61

　　7.2决策树模块的建立 61

　　7.3决策树与判别函数比较 61

　　7.4计算方法 62

　　7.4.1确定预测精度的标准 62

　　7.4.2选择分裂(分层)技术 62

　　7.4.3定义停止分裂(分层)的时间点 62

　　7.4.4选择适当大小的决策树 63

　　7.5Excel2007决策树算法 63

　　第8章贝叶斯概率分类 71

　　8.1基本概念 71

　　8.2Excel2007贝叶斯概率分类 73

　　第9章关联规则 84

　　9.1基本概念 84

　　9.2关联规则的种类 85

　　9.3关联规则的算法:Apriori算法 85

　　9.4Excel2007关联规则 86

　　第10章聚类分析 96

　　10.1基本概念 96

　　10.2层次聚类分析 96

　　10.3聚类分析原理 97

　　10.4Excel2007聚类分析 100

　　第11章时序聚类 116

　　11.1基本概念 116

　　11.2相关研究和算法 116

　　11.3Excel2007时序聚类 117

　　第12章线性回归 126

　　12.1基本概念 126

　　12.2简单回归分析 127

　　12.3多元回归分析 130

　　12.4Excel2007线性回归 133

　　第13章Logistic回归 142

　　13.1基本概念 142

　　13.2logit变换 142

　　13.3Logistic分布 143

　　13.4列联表的Logistic回归模型 144

　　13.5Excel2007Logistic回归 145

　　第14章类神经网络 161

　　14.1基本概念 161

　　14.2类神经网络的架构与训练算法 163

　　14.3类神经网络的特性 163

　　14.4类神经网络应用 163

　　14.5类神经网络优缺点 164

　　14.6Excel2007类神经网络 165

　　第15章时间序列分析 175

　　15.1基本概念 175

　　15.2时间序列的成分 177

　　15.3时间序列数据的图形介绍 178

　　15.4利用平滑法预测 182

　　15.5用趋势方程预测时间序列 186

　　15.6预测含趋势与季节成分的时间序列 187

　　15.7利用回归模型预测时间序列 188

　　15.8其他预测模型 189

　　15.9单变量时间序列预测模型 189

　　15.10时间趋势预测模型 192

　　15.11Excel2007时间序列 193

　　第16章DMX介绍 198

　　16.1DMX介绍 198

　　16.2DMX函数介绍 199

　　16.2.1模型建立 200

　　16.2.2模型训练 201

　　16.2.3模型使用(预测) 201

　　16.2.4其他函数语法 202

　　16.3DMX数据挖掘语法 205

　　16.3.1决策树 206

　　16.3.2贝叶斯概率分类 207

　　16.3.3关联规则 207

　　16.3.4聚类分析 208

　　16.3.5时序聚类 209

　　16.3.6线性回归 210

　　16.3.7Logistic回归 211

　　16.3.8类神经网络 212

　　16.3.9时间序列 213

　　16.4DMX应用范例 214

　　16.4.1分类 215

　　16.4.2估计 216

　　16.4.3预测 217

　　16.4.4关联分组 217

　　16.4.5聚类 218

　　第3篇其他分析工具介绍

　　第17章分析关键影响因素 223

　　第18章检测类别 228

　　第19章从示例填充 231

　　第20章预测 233

　　第21章突出显示异常值 235

　　第22章应用场景分析 238

　　22.1目标查找 238

　　22.2假设 240

　　第23章Visio2007数据透视分析 243

　　第4篇数据挖掘范例

　　第24章上市公司投资价值分析的挖掘模型 251

　　24.1研究动机与目的 251

　　24.2挖掘模型的构建 251

　　24.3变量筛选 252

　　24.4决策树模型 253

　　24.5贝叶斯概率模型 255

　　24.6Logistic回归模型 255

　　24.7预测准确度比较 256

　　第25章信用卡用户信用评测的挖掘模型 259

　　25.1研究背景 259

　　25.2研究动机 260

　　25.3研究目的 260

　　25.4Excel2007构建数据挖掘模型 260

　　25.4.1决策树分析 260

　　25.4.2聚类分析 263

　　25.4.3Logistic回归 269

　　第26章市场营销与客户细分的挖掘模型 271

　　26.1研究动机与目的 271

　　26.2研究方法与限制 271

　　26.3数据分析 271

　　26.4挖掘建模 273

　　26.4.1决策树 273

　　26.4.2单纯贝叶斯分类 280

　　26.4.3聚类分析 282

　　26.4.4决策树 286

　　26.4.5Logistic回归 288

　　26.4.6关联分析 292

　　26.5结论 295