《数据仓库与数据挖掘》课后答案

给大家带来的是关于数据挖掘相关的课后习题答案下载，介绍了关于数据仓库、数据挖掘方面的内容，由苏宜春网友提供，本资源目前已被470人关注，高等院校数据挖掘类教材综合评分为：8.5分

《数据仓库与数据挖掘》是2009年清华大学出版社出版的图书，作者是陈志泊,主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。

本书既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，本书都使用Microsoft SQL Server 2005进行了操作实现。本书通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。

本书每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步巩固和掌握所学知识。此外，本书提供多媒体教学课件和习题参考答案。

本书可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材，也可供相关领域的广大科技工作人员和高校师生参考。

目录

• 第1章 数据仓库的概念与体系结构
• 1.1 数据仓库的概念、特点与组成
• 1.2 数据挖掘的概念与方法
• 1.3 数据仓库的技术、方法与产品
• 1.4 数据仓库系统的体系结构
• 1.5 数据仓库的产生、发展与未来
• 1.6 小结
• 1.7 习题
• 第2章 数据仓库的数据存储与处理
• 2.1 数据仓库的数据结构
• 2.2 数据仓库的数据特征
• 2.3 数据仓库的数据ETL过程
• 2.4 多维数据模型
• 2.5 小结
• 2.6 习题
• 第3章 数据仓库系统的设计与开发
• 3.1 数据仓库系统的设计与开发概述
• 3.2 基于SQL Server 2005的数据仓库数据库设计
• 3.3 使用SQL Server 2005建立多维数据模型
• 3.4 小结
• 3.5 习题
• 第4章 关联规则
• 4.1 概述
• 4.2 引例
• 4.3 经典算法
• 4.4 相关研究与应用
• 4.5 小结
• 4.6 习题
• 第5章 数据分类
• 5.1 引例
• 5.2 分类问题概述
• 5.3 决策树
• 5.4 支持向量机
• 5.5 近邻分类方法
• 5.6 小结
• 5.7 习题
• 第6章 数据聚类
• 6.1 引例
• 6.2 聚类分析概述
• 6.3 聚类分析中相似度的计算方法
• 6.4 kmeans聚类算法
• 6.5 层次聚类方法
• 6.6 小结
• 6.7 习题
• 第7章 贝叶斯网络
• 第8章 粗糙集
• 第9章 神经网络
• 第10章 遗传算法
• 第11章 统计分析
• 第12章 文本和Web挖掘
• 参考文献

以上就是本次关于书籍资源的介绍和部分内容，我们还整理了以往更新的其它相关电子书资源内容，可以在下方直接下载，关于相关的资源我们在下方做了关联展示，需要的朋友们也可以参考下。