數據挖掘 : 商業數據分析技術與實踐 (Data Mining for Business Analytics: Concepts, Techniques, and Applications with JMP Pro)

本書採用SAS公司的統計軟件包JMP Pro進行實踐性應用，使用引人入勝的實際案例來構建關鍵數據挖掘方法（尤其是分類和預測的預測模型）的理論及其實踐理解。本書所討論的主題包括數據可視化、降維、聚類、線性和邏輯回歸、分類和回歸樹、判別分析、樸素貝葉斯、人工神經網絡、增量模型、集成算法以及時間序列預測等。

海報：

作者：蓋麗特.徐茉莉
蓋麗特.徐茉莉博士是中國台灣清華大學服務科學研究所的特聘教授。自2004年以來，她在馬里蘭大學、Statistics.com、印度商學院和中國台灣清華大學設計並指導了數據挖掘課程。徐茉莉教授以她在商業分析領域的研究和教學而聞名，她的研究方向是在信息系統和醫療保健方面的統計和數據挖掘方法。她撰寫了70篇期刊文章、書籍、教材和圖書章節，包括Wiley出版的《商業數據挖掘：概念、技術和應用程序XLMiner（第三版）》。

彼得.布魯斯是統計教育研究所的創始人。他撰寫了多篇期刊文章，並且是重採樣統計軟件的開發者。他是《統計分析導論：基於重採樣角度》一書的作者以及《商業數據挖掘:概念、技術和應用程序XLMiner（第三版）》的合著者之一。

米婭·斯蒂芬斯是SAS/JMP的學術顧問。在加入SAS公司之前，她曾是新罕布什爾大學的統計學兼職教授，也是North Haven Group有限責任公司（一家統計培訓和諮詢公司）的創始成員。同時是另外三本書的合著者，包括由Wiley出版的《六西格瑪可視化：更精益化的數據分析（第二版）》。

尼廷·帕特爾博士是位於馬薩諸塞州劍橋市的Cytel有限公司的聯合創始人，美國統計協會會士，同時也是麻省理工學院和哈佛大學的客座教授。他是印度計算機學會會士，並在印度管理學院艾哈邁德巴德分校擔任15年教授工作。他也是Wiley出版的《商業數據挖掘:概念、技術和應用程序XLMiner（第三版）》的合著者之一。

第一部分預備知識

1導論002 

1.1什麼是商業分析？002 

1.2什麼是數據挖掘？004 

1.3數據挖掘及相關用語004 

1.4大數據005 

1.5數據科學006 

1.6為什麼會有這麼多不同的方法？007 

1.7術語和符號007 

1.8本書框架009 

2數據挖掘概述·013 

2.1引言013 

2.2數據挖掘的核心思想014 

2.3數據挖掘步驟016 

2.4初步步驟018 

2.5預測能力和過擬合024 

2.6用JMP Pro建立預測模型029 

2.7用JMP Pro進行數據挖掘036 

2.8自動化數據挖掘解決方案037 

第二部分數據探索與降維

3數據可視化046 

3.1數據可視化的用途046 
3.2數據實例047 
3.3基本圖形：條形圖、折線圖和散點圖049 
3.4多維可視化056 
3.5特殊可視化068 
3.6基於數據挖掘目標的主要可視化方案和操作概要072 
4降維076 

4.1引言076
4.2維度災難077 
4.3實際考慮077 
4.4數據匯總078 
4.5相關分析082 
4.6減少分類變量中的類別數量082 
4.7將分類型變量轉換為連續型變量084 
4.8主成分分析084 
4.9利用回歸模型降維094 
4.10利用分類和回歸樹降維094 
第三部分性能評估

5評估預測效果·098 

5.1引言098 
5.2評價預測性能099 

5.3評判分類效果101 

5.4評判分類性能112 

5.5過採樣115 

第四部分預測與分類方法

6多元線性回歸·122 

6.1引言122 

6.2解釋模型與預測模型123 

6.3估計回歸方程和預測124 

6.4線性回歸中的變量選擇129 

7 k近鄰法142 

7.1 k-NN分類（分類型結果變量）142 

7.2數值型結果變量下的k-NN方法·147 

7.3 k-NN算法的優點和缺點149 

8樸素貝葉斯分類器153 

8.1引言153 

8.2使用完全（精確）貝葉斯分類器155 

8.3樸素貝葉斯方法的優點和缺點163

9分類和回歸樹·168 

9.1引言168 

9.2分類樹169 

9.3生成樹172 

9.4評估分類樹的效果176 

9.5避免過擬合178 

9.6樹中的分類準則181 

9.7多分類的分類樹182 

9.8回歸樹182 

9.9樹的優點和缺點184 

9.10預測方法的提高：組合多棵樹186 

9.11不純度的提取和度量188 

10邏輯回歸193 

10.1引言·193 

10.2邏輯回歸模型·195 

10.3評價分類性能·202 

10.4完整分析案例：預測航班延誤·205 

10.5附錄：邏輯回歸的概括·214 

11神經網絡225 

11.1引言·225 

11.2神經網絡的概念和結構·226 

11.3擬合數據·226 

11.4 JMP Pro用戶輸入·240 

11.5探索預測變量和響應變量的關係·242 

11.6神經網絡的優點和缺陷·243 

12判別分析247 

12.1引言·247 

12.2觀測值到類的距離·249 

12.3從距離到傾向和分類·251

12.4判別分析的分類性能·254 

12.5先驗概率·255 

12.6多類別分類·256 

12.7優點和缺點·258 

13組合方法：集成算法和增量模型263 

13.1集成算法·263 

13.2增量（說服）模型· 268 

13.3總結·274 

第五部分挖掘記錄之間的關係

14聚類分析280 

14.1引言·280 

14.2定義兩個觀測值之間的距離·284 

14.3定義兩個類之間的距離·288 

14.4系統（凝聚）聚類·290 

14.5非系統聚類：k-means算法·299 

第六部分時間序列預測

15時間序列處理·310 

15.1引言·310 

15.2描述性與預測性建模·311 

15.3商業中的主流預測方法·312 

15.4時間序列的構成·312 

15.5數據分割和性能評價·316 

16回歸預測模型·321 

16.1趨勢模型·321 

16.2季節模型·327 

16.3趨勢和季節模型·330 

16.4自相關和ARIMA模型331 

17平滑法·350

17.1引言·350 

17.2移動平均法·351 

17.3簡單指數平滑法·355 

17.4高級指數平滑法·358 

第七部分案例

18案例·372 

18.1查爾斯圖書俱樂部·372 

18.2德國信貸·378 

18.3太古軟件編目·382 

18.4政治說教·385 

18.5出租車訂單取消·388 

18.6浴皂的消費者細分·390 

18.7直郵籌款·393 

18.8破產預測·395 

18.9時間序列案例：預測公共交通需求·398