基础理论

涵盖数据挖掘入门所需的理论知识，适合从事商业智能行业的人士学习。

应用比例 聚类 22% 直销 14% 交叉销售模型 12%

威廉·H·因蒙, “建立数据仓库”, 约翰·威利父子公司, 1996。 约翰·拉德利, “运营数据存储：制定有效策略”, 数据仓库：专家实用建议, 普伦蒂斯·霍尔出版社, 纽泽西州恩格尔伍德悬崖, 1997。 斯蒂芬·R·加德纳, “建立数据仓库”, ACM 通讯, 1998 年 9 月, 第 41 卷, 第 9 期, 52-60。 道格拉斯·哈克尼, Http:// www.egltd.com, DW101：实用概述, 2001 彼得·R·米姆诺, “宏伟蓝图 - 布里欧如何在数据仓库市场中竞争”, 向布里欧技术公司的演示文稿 - 1998 年 8 月 4 日。 亚历克斯·伯森, 斯蒂芬·史密斯, 库尔特·瑟林, “为 CRM 构建数据挖掘应用程序”, 麦格劳-希尔, 1999 马丁·施塔特, 安卡·瓦杜瓦, 托马斯·维特利, “元数据在数据仓库中的作用”, 2000 威廉·H·因蒙, 肯·鲁丁, 克里斯托弗·K·巴斯, 瑞安·索萨, “数据仓库性能”, 约翰·威利父子公司, 1999

数据学，由朱扬勇教授和熊赟教授编著，详细介绍了数据学的起源、基本概念和基本原理，涵盖了数据大爆炸、数据在自然界中的应用以及数据学的基础。书中还阐述了数据学的主要方法，包括大数据勘探、数据获取和整合、数据挖掘以及数据实验等。

数据仓库与数据挖掘综述 作者：朱建秋 日期：2001年6月7日

在老师的课堂上，我们学习了SQL Server的应用技术，包括它能够完成的各种功能。这些技术不仅限于基本的数据库管理，还涉及到数据查询、更新和管理等方面。SQL语言的强大功能使其成为处理大量数据和提供准确查询结果的重要工具。

这本适用于高级本科和研究生数据挖掘课程的教科书，详细阐述了数据挖掘的广泛而深入的概念，并融合了机器学习和统计学的相关原理。

S（学生表） SNO学号SN姓名SEX性别AGE年龄DEPT系别S1赵亦女17计算机S2钱尔男18信息S3孙珊女20信息S4李思男21自动化S5周武男19计算机S6吴丽女20自动化

在学习SQL Server 2008数据库系统时，我总结了关系数据库的基本理论。

回归分析(Regression Analysis)的起源及其应用思想。回归分析是寻求一个随机变量y对另一个或一组(随机或非随机)变量x1， x2 …，xn的随机相依关系的一种统计分析方法。管理决策中常遇到的回归问题,如:广告支出与营业额售货员工龄与年销售额汽车使用年数与年平均修理成本轮胎等级与其装载能力x y