业务建模与数据挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

业务建模与数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录2

译者序2

前言2

译者简介2

第一部分　本领域的概要2

第1章　世界、知识与模型2

1.1　世界的本质2

1.1.1　事件3

1.1.2 对象4

1.1.3　感知5

1.1.4　数据6

1.1.5　结构6

1.2　系统7

1.3　知识结构8

1.3.1　认知问题9

1.3.2　范型、原型、模式与认知10

1.3.3　表示知识的框架12

1.3.4　个人知识13

1.3.5　社会知识13

1.3.6　其他类型的知识13

1.4　改变知识结构14

1.4.1　符号和符号化知识15

1.4.2　作为一个网络的知识16

1.4.3　变化着的迹象，变化着的结论17

1.4.4　知识结构中的聚集和突变17

1.5　小结18

补充材料19

第2章　转变经验20

2.1　挖掘和思想20

2.1.1　剖析数据21

2.1.2　数据和抽象22

2.1.3　识别模式23

2.1.4　静态模式24

2.1.5　动态模式26

2.1.6　新颖、实用、洞察和兴趣27

2.1.7　挖掘与模式搜寻28

2.2　世界的系统28

2.2.1 放形式和封闭形式的系统和解决方案29

2.2.2　系统本质30

2.2.3　耦合与反馈30

2.2.4　系统思考31

2.3　战略和战术33

2.3.1 战略对战术的决策和行动33

2.3.2　解决问题34

2.3.3　不确定性的种类34

2.3.4　降低不确定性的代价35

2.3.5　用受约束选项来决策35

2.4　小结35

第3章　建模与挖掘的结合37

3.1　问题37

3.1.1　识别问题38

3.1.2　描述问题39

3.1.3　构造问题39

3.1.4　隐藏的假设40

3.2　现实世界的数据40

3.2.1　数据的特性40

3.2.2　计量和描述41

3.2.3　错误和信心42

3.3　假说：解释数据42

3.3.1　数据结构43

3.3.2　交互和关系43

3.3.3　假说和解释44

3.4　做出决策45

3.4.1　决策的框架：表示选择45

3.4.2　博弈论46

3.4.3　线性规划47

3.5 决策47

3.5.1　规范化的决策：我们该做什么48

3.5.2　发现可能性：我们能做什么50

3.5.3　持久性和变化的理论概要51

3.6　小结54

第二部分　业务建模56

第4章　什么是模型56

4.1　数据、信息和知识简介56

4.1.1　数据56

4.1.2　信息57

4.1.3　知识59

4.2　观察者的模型指南60

4.2.1　推理模型60

4.2.2　预测模型61

4.2.3　关联模型62

4.2.4　系统模型63

4.2.5　静态模型64

4.2.6　动态模型65

4.2.7　定性模型66

4.2.9　比较模型67

4.2.8　定量模型67

4.2.10　交互模型68

4.2.11　模型类型总结69

4.3　作为一种行为的建模70

4.3.1　目标70

4.3.2　经验建模71

4.3.3　解释数据72

4.4　小结73

4.3.4　建模假设73

第5章　构建业务模型74

5.1　建立框架75

5.2　确定目标77

5.3　问题和决策78

5.3.1　决策符号79

5.3.2　决策图81

5.4　为情形建模：将决策与世界观连接起来83

5.3.3　建立决策框架83

5.5　选项：评估可能性84

5.5.1　战略84

5.5.2　战术85

5.5.3　连接战略回报86

5.5.4　将战略链接到一起87

5.5.5　将选项映射到战略88

5.6　期望：评估未来89

5.6.1　或许是一个有风险的业务89

5.6.2　风险选择91

5.6.3　令人满意的收获，令人遗憾的损失91

5.6.4　基准92

5.6.5　战略风险93

5.7　最后的调整94

5.8　为问题框架构图94

5.8.1　沃波利装饰品95

5.8.2　作图、建模和挖掘97

5.9　小结98

5.10 对决策图的解释98

5.11　风险计算99

5.11.1　原始风险100

5.11.2　偏置期望：BRAVE100

第6章　获得正确的模型101

6.1　交互地探索相关领域102

6.1.1　利益相关群体102

6.1.2　说与听104

6.2　利用比喻为业务情形建模108

6.2.1　系统比喻109

6.2.2　物理系统比喻115

6.3　探索工具120

6.3.1　思维示意图120

6.3.2　认知示意图123

6.3.3　认知模型124

6.4　业务案例126

6.4.1　什么是业务案例127

6.4.2　使业务案例与企业需求一致128

6.4.3　准备业务案例130

6.4.4　投资回报率131

6.4.5　业务案例的汇编和呈递132

6.5　现实：用我的数据可以做什么133

6.5.1　寻找问题134

6.5.2　问题机会：企业价值链134

6.5.3　初始项目规模136

6.6　小结136

第7章　确保模型正确137

7.1　发现用以挖掘的数据137

7.1.1　外部数据137

7.1.2　现有数据138

7.1.3　专门产生的数据139

7.2　使用数据156

7.2.1　变量类型157

7.2.2　融合数据集158

7.3　小结161

第8章　模型的部署162

8.1　修改业务过程162

8.2　成功的动机164

8.3　模型类别的影响165

8.3.1　推理的模型：提供解释165

8.3.2　预测模型168

8.4　小结170

第三部分　数据挖掘172

第9章　数据挖掘模型入门172

9.1　查看数据172

9.2　预处理第一步：检验174

9.2.1　“打量”变量174

9.2.2　修复变量的基本问题178

9.2.3　对数据集的基本检查180

9.3.1　表示时间、距离和差异关系189

9.3　基本特征提取189

9.3.2　重编码191

9.3.3　表示对象192

9.4　调查数据194

9.5　小结195

第10章　挖掘工具做什么196

10.1　数据挖掘算法196

10.1.1　变量类型及其对算法的影响197

10.1.2　刻画邻域特点：最近邻居198

10.1.3　平滑表示207

10.1.4　不连续的和非函数的表示214

10.1.5　算法总结217

10.2　工具和工具集218

10.2.1 Megaputer Intelligence218

10.2.2 Angoss Knowledge Studio220

10.2.3 WizWhy221

10.2.4 Bayesware Discoverer222

10.2.5 e223

10.2.6 Microsoft SQL Server2000224

10.3　小结226

第11章　获得初始模型227

11.1　准备保持诚实227

11.2　强调数据229

11.2.1　输入和输出数据集配置230

11.2.2　缺失值检查模型235

11.2.3　实用的诚实：使用训练和测试数据集238

11.3　为理解建模241

11.3.1　使用判定树建立用于理解的模型241

11.3.2　使用自组织映射为理解建模243

11.3.3　使用线性回归为理解建模247

11.3.4　理解数据集小结250

11.4　为分类建模250

11.4.1　平衡数据集251

11.4.2　建立一个二叉的分类模型252

11.4.3　分类错误253

11.4.4　根据分值分类255

11.4.5　建立连续的分类模型255

11.4.6　建立多元分类模型258

11.4.7　分类模型小结263

11.5　为预测建模263

11.5.1　为预测收集数据265

11.5.2　因果关系267

11.5.3　为预测建模小结269

11.6　小结269

补充材料269

第12章　改进已挖掘的模型271

12.1　从误差中学习272

12.1.1　观察误差272

12.1.2　预测误差274

12.1.3　连续分类器余量276

12.1.4　连续分类器余量——实际值坐标图278

12.1.5 连续分类器实际值——预测值坐标图279

12.1.6　连续分类器方差图281

12.1.7　完美模型283

12.1.8　分类模型余量检查小结283

12.1.9　改进解释模型284

12.2　提高模型质量，解决问题285

12.2.1　问题：数据不支持模型286

12.2.2　问题：数据不完全支持模型287

12.2.3　问题：给数据重新定义格式289

12.2.4　问题：算法重新特化297

12.2.5　问题：数据不充分306

12.2.6　问题：数据不均匀307

12.2.7　问题：挖掘模型中的估计偏斜308

12.2.8　问题：减少噪声309

12.2.9　问题：类别关联311

12.2.10　问题：局部共线性311

12.2.11　问题：数据不代表业务问题312

12.2.12　问题：输出值限制313

12.2.13　问题：方差偏斜313

12.2.14　问题：建模工具故障313

12.2.15　问题：时代错误的变量314

12.2.16　问题：噪声或无关变量314

12.2.17　问题：交互作用316

12.2.18　问题：数据不充足321

12.3　小结322

第13章　部署挖掘出的模型323

13.1　部署解释性模型323

13.2　新奇性及保持模型有效323

13.2.1　向均值回归324

13.2.2　分布328

13.2.3　无分布329

13.2.4　探测新奇性330

13.2.5　使用新奇性探测器333

13.3　所部署模型的形式334

13.4　小结335

第四部分　方法论338

第14章　方法论概述338

14.1　方法论的结构339

14.1.1　行动框340

14.1.2　发现框341

14.1.3　技术框342

14.1.4　例子框342

14.1.5　印刷版本和可下载版本的差别342

14.2　使用方法论343

14.2.1　使用MⅡ：业务建模方法论344

14.2.2　使用MⅢ：数据挖掘方法论344

14.3　警告344

第15章　MⅡ——业务建模方法论346

第16章　MⅢ——数据挖掘方法论362

参考资源425