失效链接处理 |
数据挖掘技术:市场营销、销售与客户关系管理领域应用 PDF 下载
转载自:https://download.csdn.net/download/houzhiguo/9929346
本站整理下载:
版权归出版社和原作者所有,链接已删除,请购买正版
用户下载说明:
电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
http://product.dangdang.com/1484460636.html
相关截图:
资料简介:
本书是一本优秀的数据挖掘教材,全面而系统地介绍了数据挖掘酌商业环境、数据挖掘技术及其在商业环境中的应用。.
全书共18章,内容涵盖核心的数据挖掘技术,包括:决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外,还提供了数据挖掘*实践的概观、数据挖掘的*进展和一些极具挑战性的研究课题,极具技术深度与广度。通过学习本书,读者不仅可以精通数据挖掘的整体结构和核心技术,还可以领略数据挖掘在销售和客户关系管理等方面的成功应用,为实践数据挖掘打下坚实的基础。 本书适合作为高等院校相关专业高年级本科生或研究生的教材或参考书,也适合当前和未来的数据挖掘实践者学习和参考。.. 本书是数据挖掘领域的经典著作,数年来畅销不衰。全书从技术和应用两个方面,全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。自从1997年本书第1版出版以来,数据挖掘界发生了巨大的变化,其中的大部分核心算法仍然保持不变,但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所演进。第2版展示如何利用基本的数据挖掘方法和技术,解决常见的商业问题。 本书涵盖核心的数据挖掘技术,包括:决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外,还提供了数据挖掘*实践、数据挖掘的*进展和一些富有挑战性的研究课题,极具技术深度与广度。配套网站www.data-miners.com/companion提供了每章的练习和用于测试各种数据挖掘技术的数据。全书语句凝炼、清新,对复杂概念的实际应用进行了生动解释,是必不可少的数据挖掘教材。...
资料目录:
出版者的话 专家指导委员会 译者序. 致谢 前言 第1章 数据挖掘的缘起和内容 1.1 分析客户关系管理系统 1.2 什么是数据挖掘 1.3 数据挖掘可以完成哪些工作 1.4 为什么现在研究 1.5 目前如何使用数据挖掘 1.6 小结 第2章 数据挖掘的良性循环 2.1 商业数据挖掘案例研究 2.2 何谓良性循环 2.3 良性循环环境下的数据挖掘 2.4 移动通信公司建立恰当的联系 2.5 神经网络和决策树驱动SUV的销售 2.6 小结 第3章 数据挖掘方法论和最佳实践 3.1 为什么需要方法论 3.2 假设测试 3.3 模型、建立简档和预测 3.4 方法论 3.5 小结 第4章 数据挖掘在市场营销和客户关系管理中的应用 4.1 寻找潜在客户 4.2 为选择正确的广告场所进行数据挖掘 4.3 通过数据挖掘改进定向市场营销活动 4.4 使用当前客户来了解潜在客户 4.5 客户关系管理数据挖掘 4.6 保持和流失 4.7 小结 第5章 统计学的魅力:数据挖掘常用的工具 5.1 OCcam的剃刀 5.2 观察数据 5.3 测定响应 5.4 多重比较 5.5 卡方检验 5.6 示例:区域和起点的卡方 5.7 数据挖掘和统计学异同 5.8 小结 第6章 决策树 6.1 什么是决策树 6.2 决策树是如何长成的 6.3 选择最佳拆分的测试 6.4 修剪 6.5 从树中提炼规则 6.6 考虑成本 6.7 决策树方法的进一步修正 6.8 决策树的替代表示法 6.9 实际应用中的决策树 6.10 小结 第7章 人工神经网络 7.1 历史回眸 7.2 房地产评估 7.3 用于定向数据挖掘的神经网络 7.4 神经网络是什么 7.5 选择训练集 7.6 准备数据 7.7 解释结果 7.8 时间序列神经网络 7.9 如何了解在神经网络内部正在运行的事情 7.10 自组织映像 7.11 小结 第8章 最近邻方法:基于存储的推理和协同过滤 8.1 基于存储的推理 8.2 MBR面临的挑战 8.3 案例研究:分类新闻报导 8.4 测量距离 8.5 组合函数:向邻居求答案 8.6 协同过滤:可以做出推荐的最近邻方法 8.7 小结.. 第9章 购物篮分析和关联规则 9.1 定义购物篮分析 9.2 关联规则 9.3 一个关联规则有多好 9.4 建立关联规则 9.5 扩展思想 9.6 使用关联规则的顺序分析 9.7 小结 第10章 链接分析 10.1 图论基础 10.2 链接分析的一个熟悉的应用 10.3 案例研究:谁在家中使用传真机 10.4 案例研究:分段移动电话客户 10.5 小结 第11章 自动聚类探测 11.1 搜索单纯岛状片段 11.2 K平均聚类 11.3 相似性和距离 11.4 聚类过程的数据准备 11.5 聚类探测的其他途径 11.6 评价簇 11.7 案例研究:聚类城镇 11.8 小结 第12章 市场营销中的风险函数和生存分析 12.1 客户保持 12.2 风险 12.3 从风险到生存 12.4 比例风险 12.5 生存分析实践 12.6 小结 第13章 遗传算法 13.1 遗传算法如何工作 13.2 案例研究:使用遗传算法进行资源优化 13.3 模式:遗传算法为什么起作用 13.4 遗传算法的更多应用 13.5 超越简单算法 13.6 小结 第14章 数据挖掘贯穿客户生存周期 14.1 客户关系层次 14.2 客户生存周期 14.3 围绕客户生存周期组织商业过程 14.4 小结 第15章 数据仓库、OLAP和数据挖掘 15.1 数据结构 15.2 数据仓库的大致结构 15.3 OLAP适用于何处 15.4 数据挖掘在哪里切人数据仓库 15.5 小结 第16章 构造数据挖掘环境 16.1 以客户为中心的组织 16.2 理想的数据挖掘环境 16.3 返回现实世界 16.4 数据挖掘组 16.5 数据挖掘基础设施 16.6 数据挖掘软件 16.7 小结 第17章 为挖掘准备数据 17.1 数据应该像什么 17.2 构建客户特征标识 17.3 探查变量 17.4 衍生变量 17.5 基于行为变量的例子 17.6 数据的黑暗面 17.7 计算问题 17.8 小结 第18章 应用数据挖掘 18.1 开始 18.2 选择数据挖掘技术 18.3 公司如何开展数据挖掘 18.4 小结... |