数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第2版）[按需印刷]

.3．1 为什么需要方法论
3．2 假设测试
3．3 模型、建立简档和预测
3．4 方法论
3．5 小结
第4章 数据挖掘在市场营销和客户关系管理中的应用
4．1 寻找潜在客户
4．2 为选择正确的广告场所进行数据挖掘
4．3 通过数据挖掘改进定向市场营销活动
4．4 使用当前客户来了解潜在客户
4．5 客户关系管理数据挖掘
4．6 保持和流失
4．7 小结
第5章 统计学的魅力：数据挖掘常用的工具
5．1 occam的剃刀
5．2 观察数据
5．3 测定响应
5．4 多重比较
5．5 卡方检验
5．6 示例：区域和起点的卡方
5．7 数据挖掘和统计学异同
5．8 小结
第6章 决策树
6．1 什么是决策树
6．2 决策树是如何长成的
6．3 选择最佳拆分的测试
6．4 修剪
6．5 从树中提炼规则
6．6 考虑成本
6．7 决策树方法的进一步修正
6．8 决策树的替代表示法
6．9 实际应用中的决策树
6．10 小结
第7章 人工神经网络
7．1 历史回眸
7．2 房地产评估
7．3 用于定向数据挖掘的神经网络
7．4 神经网络是什么
7．5 选择训练集
7．6 准备数据
7．7 解释结果
7．8 时间序列神经网络
7．9 如何了解在神经网络内部正在运行的事情
7．10 自组织映像
7．11 小结
第8章 最近邻方法：基于存储的推理和协同过滤
8．1 基于存储的推理
8．2 mbr面临的挑战
8．3 案例研究：分类新闻报导
8．4 测量距离
8．5 组合函数：向邻居求答案
8．6 协同过滤：可以做出推荐的最近邻方法
8．7 小结..
第9章 购物篮分析和关联规则
9．1 定义购物篮分析
9．2 关联规则
9．3 一个关联规则有多好
9．4 建立关联规则
9．5 扩展思想
9．6 使用关联规则的顺序分析
9．7 小结
第10章 链接分析
10．1 图论基础
10．2 链接分析的一个熟悉的应用
10．3 案例研究：谁在家中使用传真机
10．4 案例研究：分段移动电话客户
10．5 小结
第11章 自动聚类探测
11．1 搜索单纯岛状片段
11．2 k平均聚类
11．3 相似性和距离
11．4 聚类过程的数据准备
11．5 聚类探测的其他途径
11．6 评价簇
11．7 案例研究：聚类城镇
11．8 小结
第12章 市场营销中的风险函数和生存分析
12．1 客户保持
12．2 风险
12．3 从风险到生存
12．4 比例风险
12．5 生存分析实践
12．6 小结
第13章 遗传算法
13．1 遗传算法如何工作
13．2 案例研究：使用遗传算法进行资源优化
13．3 模式：遗传算法为什么起作用
13．4 遗传算法的更多应用
13．5 超越简单算法
13．6 小结
第14章 数据挖掘贯穿客户生存周期
14．1 客户关系层次
14．2 客户生存周期
14．3 围绕客户生存周期组织商业过程
14．4 小结
第15章 数据仓库、olap和数据挖掘
15．1 数据结构
15．2 数据仓库的大致结构
15．3 olap适用于何处
15．4 数据挖掘在哪里切人数据仓库
15．5 小结
第16章 构造数据挖掘环境
16．1 以客户为中心的组织
16．2 理想的数据挖掘环境
16．3 返回现实世界
16．4 数据挖掘组
16．5 数据挖掘基础设施
16．6 数据挖掘软件
16．7 小结
第17章 为挖掘准备数据
17．1 数据应该像什么
17．2 构建客户特征标识
17．3 探查变量
17．4 衍生变量
17．5 基于行为变量的例子
17．6 数据的黑暗面
17．7 计算问题
17．8 小结
第18章 应用数据挖掘
18．1 开始
18．2 选择数据挖掘技术
18．3 公司如何开展数据挖掘
18．4 小结...