《数据挖掘技术应用实例》在介绍数据挖掘技术理论和算法的基础上，通过不同领域的应用案例，来说明数据挖掘在实际应用中的具体操作方法，以期为读者提供一个更为广阔的视角。《数据挖掘技术应用实例》从理论、应用实例和数据挖掘的发展趋势，以及面临的机遇和挑战等方面，对数据挖掘技术进行了详细介绍，其中在应用实例部分分别介绍了数据挖掘技术在客户关系管理、市场营销、证券领域、电信领域、产品设计、军事领域以及web数据挖掘等方面的应用。　　《数据挖掘技术应用实例》可作为企事业单位信息管理部门以及其他各行各业的管理者、信息分析人员、数据统计人员、市场营销人员、研究与开发人员的参考资料，也可作为高等院校信息管理类、数据分析类、计算机类等相关专业的教材和参考书，还可作为高等院校毕业论文或毕业设计的参考资料。 出版说明前言第1章绪论1.1数据挖掘的基本概念1.1.1啤酒与尿布1.1.2什么是数据挖掘1.1.3数据挖掘的分类1.1.4数据挖掘的特点和功能1.2数据挖掘的过程1.2.1数据准备1.2.2数据选择1.2.3数据预处理1.2.4数据挖掘及模式评价1.3数据仓库和数据挖掘1.3.1数据仓库的概念和特点1.3.2数据集市1.3.3元数据1.3.4数据仓库和数据挖掘的关系1.4OLAP和数据挖掘1.4.1OLAP的基本概念1.4.2OLAP的操作1.4.3OLAP的类别1.4.4OLAP和0LTP的关系1.4.5OLAP和数据挖掘的关系1.5数据挖掘的应用领域1.6数据挖掘研究现状1.6.1商业应用1.6.2支持平台数据展现1.6.3使用成本1.6.4挖掘算法1.7本章小结第2章数据挖掘的常用技术2.1决策树2.1.1决策树的基本概念2.1.2决策树的基本原理2.1.3决策树的算法2.1.4决策树的优势和劣势2.2神经网络2.2.1神经网络的基本概念2.2.2神经网络的特征2.2.3神经网络的分类和学习方式2.2.4进化计算2.2.5神经网络的优缺点2.3关联规则2.3.1关联规则的基本概念2.3.2经典Apriori算法的描述2.3.3AprioriTid算法2.3.4FPtree算法2.4聚类分析2.4.1聚类分析的基本概念2.4.2聚类算法简介2.4.3孤立点分析2.5统计学习2.5.1统计分析综述2.5.2贝叶斯学习2.5.3支撑矢量机2.5.4回归分析2.6模糊集和粗糙集2.6.1模糊集概述2.6.2粗糙集概述2.7本章小结第3章数据挖掘在客户关系管理中的应用3.1数据挖掘在CRM中的应用现状3.1.1CRM的由来3.1.2CRM系统的研发现状3.1.3数据挖掘在CRM中的使用情况3.2数据挖掘在CIW中的应用3.2.1客户群体分类3.2.2客户盈利能力分析3.2.3客户获取和客户保持3.2.4客户满意度分析3.3数据挖掘在通信公司CRM应用实例3.3.1客户细分模型和挖掘算法选择3.3.2数据挖掘模型和挖掘步骤3.3.3结果分析和市场策略制定3.4本章小结第4章数据挖掘在市场营销中的应用4.1数据挖掘在市场营销中的应用现状4.1.1客户分析4.1.2产品分析4.1.3促销分析4.1.4改进企业市场预测机制4.1.5市场营销中常用的数据挖掘方法4.2定位模型与设定营销目标4.3客户响应建模、风险建模、客户流失建模4.3.1客户响应建模4.3.2风险建模4.3.3客户流失建模4.4产品生命周期建模4.5对模型的验证与评估4.5.1模型的验证4.5.2对挖掘结果的解释评估4.6制定营销战略4.7本章小结第5章数据挖掘在证券领域中的应用5.1中国证券市场的特点5.2证券业数据仓库的构建5.2.1证券行业应用分析5.2.2证券业基础数据分析5.2.3证券业数据仓库设计与构建5.3实施数据挖掘5.3.1基于关联规则和模式发现的客户行为模型挖掘5.3.2基于决策树的客户流失模型分析5.3.3基于神经网络的股票行情时间序列模式挖掘5.4BP网络预测5.4.1神经网络模型5.4.2BP算法5.4.3利用BP预测股市5.5本章小结第6章数据挖掘在电信领域中的应用6.1电信业务概述6.2数据挖掘在电信业中的应用背景6.3电信业务系统数据挖掘6.3.1电信系统数据挖掘目标6.3.2电信系统数据预处理6.3.3关联规则挖掘6.3.4关联规则挖掘算法的选择与应用6.4本章小结第7章数据挖掘在产品设计中的应用7.1.产品设计的概念7.2产品概念设计的体系结构7.2.1产品概念设计的内涵7.2.2产品概念设计的特点7.2.3产品概念设计的理论及发展7.2.4产品概念设计的体系结构7.3面向产品设计的数据挖掘模型7.3.1数据挖掘过程7