資料採礦 之技術及應用（Excel 實例演練） pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

圖書標籤:

• 數據挖掘
• Excel
• 數據分析
• 商業智能
• 數據處理
• 數據可視化
• 實例教程
• 辦公軟件
• 技術
• 應用

• 雲端運算是基於網際網路的運算方式，它通過網際網路為個人使用者或企業使用者提供按需即取的服務。隨著電腦技術的發展，資料的存儲量成倍的增長，Data Mining 技術在“資料海洋、知識荒漠”的背景下應運而生的，並且一經齣現就得到各個領域的重視。隨著Data Mining 的逐漸成熟，以Data Mining 為核心的Business Intelligence（BI）已經成為瞭IT 和其他行業中的必爭之地同時伴隨著Big Data 的熱潮使得海量資料分析變成月來越重要的一個研究方嚮。雲端運算可以實現使用端通過綫上上傳資料或購買資料，通過雲資料倉庫服務，進行資料倉庫建模和資料抽取，綫上支付使用Data Mining 工具和Business Intelligence 相關分析處理軟體。Data Mining 和Business Intelligence 的原理相似，均由資料提供資訊、産生知識，再由知識纍積智慧。而雲端運算可以使這個過程在網際網路上得以實現。也就是說雲端運算可以提供基於SaaS 的知識與智慧分析的服務（Information &Intelligence as a Service），簡稱IIaaS，它是SaaS 的延伸。

　　• 基於此利基MS Office Excel 變成為數據分析最方便有用及功能強大的軟體（全世界約有10 億人口會使用EXCEL） MS Office Excel 2013 結閤SQL Server 2012 -2014支援解決大數據（BIG DATA）資料工作錶（Work Sheet），並可以同時存儲大量變數的資料。為能有效提升Excel 2013 使用者資料處理和分析的能力，微軟公司提供瞭一個免費的資料採礦模組。通過調用該模組，Excel 2013 使用者可以方便快速的完成以往隻有使用專業資料採礦軟體纔能完成的任務。同時亦提供可視化的模組及動態分析模組（Power BI）使得海量數據的分析變得輕鬆又有趣。

　　• 本書的第一部分詳細敘述資料採礦的一般概念、通行規範、方法技術、以及軟體應用等。使讀者獲得一個較為清晰和正確的資料採礦觀念。本書的第二部分圍繞Excel 2013 的資料採礦模組，通過大量操作示範，詳細講述瞭Excel 2013 資料採礦模組的九大模型的使用。這些模型包括決策樹、貝氏機率分類、關聯規則、群集分析、時序群集、綫性迴歸、Logistic 迴歸、類神經網路和時間序列分析。基本含蓋瞭主要的資料採礦方法。第三部分介紹瞭Excel 2013 的錶格工具。結閤第二部分所介紹的資料採礦方法，使用改進過的Excel 錶格工具，可以很方便的進行圖形化的分析。這些分析方法在第三部分都有詳細的介紹。第四部分是資料採礦的實例。包含瞭銀行業、電信業、行銷企業及颱灣創新産業。通過詳細的操作講解和結果解釋，讀者可以獲得實際的資料採礦經驗，並能迅速在自己所處的領域中加以應用。這是一本實用的書，邁嚮 BIG DATA 領域的開門書，纔疏學淺書中錯誤及不周之處請大傢海涵並不吝指正。

作者簡介

謝邦昌 教授

　　學曆：
　　國立颱灣大學生物統計學博士

　　現任：
　　颱北醫學大學管理學院院長、大數據研究中心主任、中華資料採礦協會榮譽理事長

　　主要經曆：
　　•九十三年特種考試地方政府公務人員考試典試委員
　　•中國統計學社民意測驗召集委員、國際統計委員、統計教育委員
　　•統計服務委員、財務委員、統計奬學金委員(第三十一屆)
　　•輔仁大學統計資訊學係教授
　　•中國統計學社理事、民意測驗委員會召集人(1994～迄今)
　　•中華民國民意測驗協會理事(1995～迄今)
　　•內政部統計委員會委員(1995～迄今)
　　•國傢科學委員會企劃考核處統計顧問(1996～迄今)
　　•行政院主計處統計委員會兼任研究員(1997～迄今)
　　•全國意嚮顧問研究中心榮譽顧問(1998～迄今)
　　•東森電視颱顧問
　　•中華民國全國商業總會諮詢委員
　　•榮民總醫院 名譽顧問
　　•國傢政策研究基金會 財政金融組顧問
　　•中國大陸國傢統計局教材編審委員
　　•中國人民大學統計學係客座教授
　　•中國人民大學統計學係Data Mining中心客座教授
　　•中國人民大學應用統計研究中心教授
　　•中國人民大學統計調查研究中心顧問兼客座教授
　　•廈門大學計劃統計學係客座教授
　　•上海財經大學統計學係客座教授
　　•西安統計學院特聘研究員
　　•Journal Of Data Science 執行編輯

　　經曆：
　　•輔仁大學統計係教授兼係主任(1995～2000)
　　•輔仁大學管理學院院務發展委員(1996～1997)
　　•輔仁大學中西文化中心兼任研究員(1994～1996)
　　•輔仁管理評論編輯委員(1994～1997)
　　•TVBS民意調查中心榮譽顧問(1996～1998)
　　•東森電視颱民意調查中心榮譽顧問(1999～2000)
　　•東森電視颱市場及民意調查中心榮譽顧問(1999～2003)
　　•颱灣大學生物統計研究室兼任教授(1992～2003)
　　•輔仁大學總務長 (2003～2005)
　　•輔仁大學進修成長學院院長(2004～2005)

鄭宇庭

　　學曆：
　　美國明尼蘇達大學 統計學 博士

　　現職：
　　國立政治大學統計學係 副教授

　　主要經曆：
　　•國立政治大學統計學係副教授 (2002－迄今)
　　•國立政治大學資料採礦中心主任 (2007－迄今)
　　•國立政治大學統計學係助理教授 (1997－2002)
　　•國立政治大學商學院民意與市場調查中心主任 (2014－迄今)
　　•美國精算學會副精算師 (1995－迄今)
　　•國立政治大學選舉研究中心兼任委員 (1998－迄今)
　　•尼爾森電視收視率調查監督委員 (1998－2001)
　　•基隆市政府民意調查審議小組委員 (1998－1999)
　　•中國統計學社民意測驗及統計教育委員 (1999－2003)
　　•中華資料採礦協會常務理事 (2001－迄今)
　　•司法院資料採礦研討會委員 (2003－2004)
　　•中華市場研究協會常務理事 (2008－2012)
　　•中華市場研究協會副理事長 (2013－迄今)

Part  I  Data Mining演算法介紹

第0章　前言
•0-1　何謂Big data
•0-2　Big data實例
•0-3　SQL Server 2014簡介

第1章　資料採礦簡介
•1-1　資料採礦定義
•1-2　資料採礦重要性
•1-3　資料採礦功能
•1-4　資料採礦步驟
•1-5　資料採礦建模的標準CRISP-DM

第2章　資料採礦運用理論及技術
•2-1　迴歸分析
•2-2　關聯法則
•2-3　集群分析
•2-4　判彆分析
•2-5　類神經網路分析
•2-6　決策樹分析
•2-7　其他分析方法

第3章　資料採礦與其他相關領域的關係
•3-1　資料採礦與統計分析的不同
•3-2　資料採礦與資料倉儲的關係
•3-3　KDD與資料採礦的關係
•3-4　OLAP與資料採礦的關係
•3-5　資料採礦與機器學習的關係
•3-6　Web Mining和Data Mining有什麼不同？

第4章　資料採礦商業軟體産品及其應用現狀
•4-1　資料採礦商業軟體的分類
•4-2　主要軟體的介紹
•4-3　顧客關係管理（CRM）
•4-4　資料採礦的行業應用

Part  II  Excel 2013資料採礦模組介紹

第5章　安裝與設定資料採礦增益集
•5-1　係統需求
•5-2　開始安裝
•5-3　完成安裝檢核
•5-4　組態設定
•5-5　組態完成檢核

第6章　Excel 2013資料採礦入門
•6-1　Excel 2013資料採礦功能介紹
•6-2　資料採礦使用說明
•6-3　資料採礦連接設定
•6-4　資料準備
•6-5　資料模型化
•6-6　精確度和驗證
•6-7　模型使用方式
•6-8　模型管理

第7章　決策樹
•7-1　基本概念
•7-2　決策樹模組的建置
•7-3　決策樹與判彆函數比較
•7-4　計算方法
•7-5　Excel操作步驟

第8章　貝氏機率分類
•8-1　基本概念
•8-2　Excel操作步驟

第9章　關聯規則
•9-1　基本概念
•9-2　關聯規則的種類
•9-3　Apriori演算法
•9-4　Excel操作步驟

第10章　群集分析
•10-1　基本概念
•10-2　階層式群集分析
•10-3　群集分析原理
•10-4　Excel 操作步驟

第11章　時序集群
•11-1　基本概念
•11-2　相關研究和演算法
•11-3　Excel操作步驟

第12章　綫性迴歸
•12-1　基本概念
•12-2　簡單迴歸分析
•12-3　復迴歸分析
•12-4　Excel操作步驟

第13章　羅吉斯迴歸
•13-1　基本概念
•13-2　logit變換
•13-3　logistic分佈
•13-4　列聯錶的logistic迴歸模型
•13-5　Excel操作步驟

第14章  類神經網路
•14-1　基本概念
•14-2　類神經網路的特性
•14-3　神經網路的架構與訓練演算法
•14-4　類神經網路應用
•14-5　類神經網路優缺點
•14-6　Excel操作步驟

第15章  時間序列
•15-1　基本概念
•15-2　時間序列的成份
•15-3　時間序列資料的圖形介紹
•15-4　利用修勻法預測
•15-5　用趨勢投射預測時間序列
•15-6　預測含趨勢與季節成份的時間序列
•15-7　利用迴歸模型預測時間序列
•15-8　其他預測模式
•15-9　單變量時間序列預測模式
•15-10　時間趨勢預測模式
•15-11　Excel操作步驟

第16章  DMX(Data Mining Extension)介紹
•16-1  DMX介紹
•16-2  DMX函數介紹
•16-3  DMX資料採礦語法
•16-4  DMX應用範例

Part  III  Excel 2013錶格工具介紹

第17章　其他分析方法
•17-1　分析關鍵影響因數
•17-2　偵測類彆目錄
•17-3　加入遺漏值
•17-4　預測
•17-5　反白顯示例外狀況
•17-6　狀況分析
•17-7　假設

第18章　Excel 2013 Power BI
•18-1　Power BI
•18-2　Power Query
•18-3　Power Pivot
•18-4　Power View
•18-5　Power Map

Part  IV  資料採礦範例

第19章　應用CRISP-DM在各産業建立資料採礦模型
•19-1　Data Mining建立信用卡使用者信用評測的採礦模型
•19-2　Data Mining在電信業的應用案例
•19-3　Data Mining在市場行銷的應用案例
•19-4　Data Mining在颱灣産業創新概況調查案例

评分☆☆☆☆☆

哇！最近拿到這本《資料採礦之技術及應用（Excel 實例演練）》，書名一聽就很有份量，想說來認真讀一下，看看能不能把腦袋裡的數據變黃金。我對數據分析本來就很有興趣，但總覺得理論太抽象，實際操作又抓不到重點。這本書最大的亮點就是「Excel 實例演練」，光看這幾個字就覺得超實用！以前聽別人講資料採礦，總覺得是統計學、電腦科學的高深領域，離我們小老百姓好遠，但如果能用我們最熟悉的Excel來學，那是不是就親民多瞭？我一直覺得，學習的過程如果能結閤實際操作，印象會更深刻，而且學到的東西也更容易應用到工作或生活上。不知道書裡麵會不會像我期待的那樣，把複雜的資料探勘演算法，用Excel裡的功能一步一步拆解，甚至連範例數據都會貼心地附上。我特別好奇，像是決策樹、迴歸分析、分群等等這些聽起來很厲害的東西，真的能在Excel裡跑得齣來嗎？還是說，它會教我們如何用Excel做齣一些輔助性的圖錶，然後再搭配一些思維邏輯來進行資料的解讀？總之，我對這本書充滿瞭期待，希望它能讓我對資料採礦有一個更具體、更紮實的認識，並且真的能學到一些能夠實際運用在職場上的技巧，而不是隻停留在紙上談兵的階段。

评分☆☆☆☆☆

這本《資料採礦之技術及應用（Excel 實例演練）》的齣現，對我來說簡直是及時雨！我一直以來都在思考，如何纔能更有效地利用工作中產生的龐大數據，從中挖掘齣有價值的資訊，而不是讓它們變成冰冷的數字。過去我曾嘗試過閱讀一些關於數據分析的書籍，但常常因為內容過於學術化，或是需要額外的軟體工具，而讓我在實踐的路上遇到瓶頸。這次看到這本書明確點齣「Excel 實例演練」，我心裡立刻燃起瞭希望。Excel是我們日常工作中幾乎必備的工具，如果能學會利用它來進行更深度的資料分析，那將會大大提升我的工作效率與決策品質。我特別期待書中能提供各種實際的案例，例如如何透過Excel來分析客戶輪廓，找齣潛在的目標客戶群；又或者，如何運用Excel來監控產品的生產流程，及時發現並解決問題。我希望這本書不隻教我「怎麼做」，更能讓我理解「為什麼要這麼做」，讓我真正掌握資料採礦的核心邏輯，進而應用在各種情境中。

评分☆☆☆☆☆

說實話，我對《資料採礦之技術及應用（Excel 實例演練）》這本書的標題感到既好奇又有點不確定。畢竟「資料採礦」聽起來就是個專業術語，我本身的工作雖然會接觸到一些數據，但離「採礦」這個詞的意境還有點距離。不過，書名中強調的「Excel 實例演練」，卻深深吸引瞭我。我一直覺得，很多理論性的知識，如果沒有實際的操作來輔助，很快就會被遺忘。而Excel，絕對是我們最常使用的辦公室軟體之一，如果能透過Excel來學習資料採礦的技術，那將會大大降低學習的門檻。我希望書中能夠詳細地介紹，如何利用Excel的一些基礎功能，例如篩選、排序、樞紐分析錶、甚至是一些圖錶工具，來進行初步的數據探索和洞察。我常常在想，如何纔能將龐雜的銷售數據，轉化成一目瞭然的圖錶，以便更快速地掌握銷售趨勢？或者，如何利用Excel來分析不同產品的獲利能力，找齣哪個產品纔是真正的「金雞母」？這本書如果能提供這樣的實用技巧，那對我的工作絕對會有很大的幫助。

评分☆☆☆☆☆

拿到《資料採礦之技術及應用（Excel 實例演練）》這本書，我最先注意到的是它的「實例演練」這四個字。在資訊爆炸的時代，掌握數據分析的能力越來越重要，但很多關於資料採礦的書籍，往往一開始就拋齣一堆複雜的數學公式和演算法，讓很多像我一樣，對程式語言不那麼熟悉的人望之卻步。而這本書將目標鎖定在Excel，這絕對是個明智的選擇！畢竟Excel幾乎是所有上班族都會使用的工具，它的普及度是其他軟體難以比擬的。我一直認為，學習應該是循序漸進的，從熟悉的工具入手，再慢慢接觸更進階的概念，會更容易建立信心。我非常期待書中能提供清晰、易懂的步驟，引導我們如何運用Excel來進行資料的清洗、轉換、視覺化，甚至是建立一些簡單的預測模型。例如，我常常在想，如何纔能從大量的顧客購買記錄中，找齣哪些商品組閤最常被一起購買？或是如何利用歷史銷售數據，預測下個季度的產品銷量？這些問題，如果能透過Excel來解決，那將會是多麼有效率的一件事！這本書的齣現，讓我覺得資料採礦不再遙不可及，而是觸手可及的技能。

评分☆☆☆☆☆

這本《資料採礦之技術及應用（Excel 實例演練）》的封麵設計就有一種務實感，沒有過多花俏的裝飾，直接點齣主題。我翻開目錄，看到裡麵涵蓋瞭從基礎的資料整理、描述性統計，到進階的預測模型、機器學習概念，這範圍也太廣瞭吧！尤其是我看到「Excel 實例演練」這個副標題，更是讓我眼睛一亮。我一直認為，很多理論知識之所以難以吸收，是因為缺乏具體的應用情境。如果這本書真的能透過Excel的實際操作，把這些抽象的資料採礦技術活靈活現地呈現在讀者麵前，那絕對是太棒瞭。我個人就遇過很多次，在處理公司報錶或分析市場趨勢時，總覺得自己有大量的數據，卻不知道該如何從中挖掘齣有價值的訊息。常常是憑著感覺或經驗在判斷，效率不高，也容易齣錯。我希望這本書能教我如何利用Excel強大的功能，像是樞紐分析、圖錶製作、甚至是一些內建的數據分析工具，來進行更深入的資料探索。我特別想知道，書中會不會有針對不同產業的應用案例，像是零售業的銷售預測、或是金融業的風險評估等等，這樣我就能更清楚地將學到的知識與自己的工作連結。