●PARTI数据仓库、数据挖掘与商业智能
Chapter1绪论
1-1商业智能
1-2数据挖掘
Chapter2数据仓库
2-1数据仓库定义
2-2数据仓库特性
2-3数据仓库架构
2-4创建数据仓库的目的
2-5数据仓库的运用
2-6数据仓库的管理
Chapter3数据挖掘简介
3-1数据挖掘的定义
3-2数据挖掘的重要性
3-3数据挖掘的功能
3-4数据挖掘的步骤
3-5数据挖掘建模的标准CRISP-DM
3-6数据挖掘的应用
3-7数据挖掘软件介绍
Chapter4数据挖掘的主要方法
4-1回归分析
4-2关联规则
4-3聚类分析
4-4判别分析
4-5神经网络
4-6决策树
4-7其他分析方法
Chapter5数据挖掘与相关领域的关系
5-1数据挖掘与统计分析
5-2数据挖掘与数据仓库
5-3数据挖掘与KDD
5-4数据挖掘与OLAP
5-5数据挖掘与机器学习
5-6数据挖掘与Web数据挖掘8
PARTIIMicrosoftSQLServer概述
Chapter6MicrosoftSQLServer中的商业智能
6-1MicrosoftSQLServer入门
6-2关系数据仓库
6-3SQLServer2008R2概述
SQLServer2008R2技术
6-5SQLServer2008R2新增功能
Chapter7MicrosoftSQLServer中的数据挖掘功能
7-1创建商业智能应用程序
7-2MicrosoftSQLServer数据挖掘功能的优势
7-3MicrosoftSQLServer数据挖掘算法
7-4MicrosoftSQLServer可扩展性
7-5MicrosoftSQLServer是数据挖掘与商业智能的结合
7-6使用数据挖掘可以解决的问题
Chapter8MicrosoftSQLServer的分析服务（AnalysisServices）
8-1创建多维数据集的结构
8-2建立和部署多维数据集
8-3从模板创建自定义的数据库
8-4统一维度模型
8-5基于属性的维度
8-6维度类型
8-7量度组和数据视图
8-8计算效率
8-9MDX脚本
8-10存储过程
8-11关键绩效指标（KPI）
8-12实时商业智能
Chapter9MicrosoftSQLServer的报表服务（ReportingServices）
9-1为何使用报表服务
9-2报表服务的功能
Chapter10MicrosoftSQLServer的整合服务
10-1SSIS介绍
10-2操作示例
Chapter11MicrosoftSQLServer的DMX语言
11-1DMX语言介绍
11-2DMX函数
11-3DMX语法
11-4DMX操作实例
PARTIIIMicrosoftSQLServer中的数据挖掘模型
Chapter12决策树模型
12-1基本概念
12-2决策树与判别函数
12-3计算方法
12-4操作范例
Chapter13贝叶斯分类器
13-1基本概念
13-2操作范例
Chapter14关联规则
14-1基本概念
14-2关联规则的种类
14-3关联规则的算法：Apriori算法
14-4操作范例
Chapter15聚类分析
15-1基本概念
15-2层级聚类法与动态聚类法
15-3操作范例
Chapter16时序聚类
16-1基本概念
16-2主要算法
16-3操作示例
Chapter17线性回归模型
17-1基本概念
17-2一元回归模型
17-3多元回归模型
17-4操作范例
Chapter18逻辑回归模型
18-1基本概念
18-2logit变换与logistic分布
18-3逻辑回归模型
18-4操作范例
Chapter19人工神经网络模型
19-1基本概念
19-2神经网络模型的特点
19-3神经网络模型的优劣比较
19-4操作范例
Chapter20时序模型
20-1基本概念
20-2时序的构成
20-3简单时序的预测
20-4包含趋势与季节成份的时序预测
20-5参数化的时序预测模型
20-6操作范例
PARTIVMicrosoftSQLServer数据挖掘应用实例
Chapter21决策树模型实例
Chapter22逻辑回归模型实例
22-1回归模型实例一
22-2回归模型实例二
22-3回归模型实例三
Chapter23神经网络模型实例
23-1神经网络模型实例一
23-2神经网络模型实例二
Chapter24时序模型实例
24-1时序模型实例一
24-2时序模型实例二
Chapter25如何评估数据挖掘模型
25-1评估图节点介绍EvaluationChartNode
25-2在SQLServer中如何评估模型
25-3规则度量：支持度与可信度
25-4绪论