吳昱等編著的《大數據精準挖掘》以新興的大數
據時代最實用的技術為支撐，以廣闊的科技視野和扎
實的專業功底，全面介紹了大數據時代的由來和背景
，闡述了與大數據分析相關的理論和數學模型。特別
難能可貴的是，本書從蘊含大數據技術的精準數據挖
掘工具入手，結合實際的成功案例，將數據精準挖掘
的全過程和詳細步驟，包括結果驗證等方面內容，詳
詳細細並非常專業地展現給讀者。本書理論和實踐密
切結合，文字流暢，深入淺出，通俗易懂。
通過本書的學習，可以掌握當下大數據所涉及的
主要數學分析模塊的要點，並比較相互的特點。同時
，能夠學會實用的數據挖掘專門技術及經歷數據挖掘
的全過程。由於本書所介紹的技術與我國目前大數據
運用的領軍行業金融、保險、電信、電子商務等密切
相連，故本書有很強的實用性，能達到學以致用、邊
學邊用的效果。
《大數據精準挖掘》適合我國IT業的科研機構、
相關企業的專業技術人員的學習之用；本書還可以作
為政府部門制定大數據發展戰略時的參考。本書也適
合全國高等院校的大學生和研究生學習使用；由於本
書將理論與具體操作合二為一，故也能作為全國大專
院校開設大數據實驗課程的教材。

吳昱，出生於福建泉州，成長於北京。八十年代中期畢業於山東海洋學院(現中國海洋大學)海洋繫。曾從事編輯工作，後赴美留學。九十年代初獲美國Old Dominion University物理海洋學博士學位，並先後在馬裡蘭大學和美國航空航天局(NASA)Goddard空間飛行中心從事海洋學科研工作。譯作包括《叢林行醫錄》(人民衛生出版社，1984年出版)、《懶惰》(七宗罪叢書之一，三聯書店，2008年出版)。

第1篇 基礎篇
第1章 大數據時代下的數據挖掘3
1.1 大數據的基礎4
1.1.1 大數據呈現出了數據的新價值4
1.1.2 數據采集、存儲與提取技術信息化5
1.1.3 數據挖掘技術是大數據時代*本質特征5
1.2 大數據的特點6
1.2.1 數據規模大6
1.2.2 數據類型多6
1.2.3 價值密度低，但總體的數據價值高7
1.2.4 數據處理有速度要求7
1.3 大數據的作用7
1.3.1 數據已滲透到社會每個角落8
1.3.2 數據成為競爭的新元素8
1.3.3 數據創造新價值9
1.3.4 大數據地位不斷躍升9
1.4 大數據與數據挖掘10
1.4.1 數據挖掘技術是大數據時代的靈魂和核心10
1.4.2 數據挖掘技術涉及多種多類的知識節點10
1.4.3 選擇*好的數據挖掘工具10
1.5 令人期待的大數據時代11
1.6 本章小結11
第2章 大數據與雲計算13
2.1 大數據與雲計算13
2.1.1 大數據與雲計算關繫13
2.1.2 大數據擴展了雲計算服務類型14
2.1.3 雲計算數據存儲繫統得到推廣14
2.1.4 追求集成一體化技術14
2.1.5 大數據和雲計算缺一不可15
2.2 雲計算的定義與特點15
2.2.1 雲計算的定義15
2.2.2 雲計算的特點15
2.3 雲計算的基本架構16
2.3.1 雲計算架構的基本層次16
2.3.2 雲計算架構的服務層次16
2.4 雲計算的關鍵技術17
2.4.1 虛擬化技術17
2.4.2 數據存儲技術19
2.4.3 資源管理技術19
2.4.4 雲計算中的編程模型20
2.4.5 集成一體化技術21
2.4.6 自動化技術21
2.5 雲計算的商業模式21
2.5.1 商業模式是雲計算的基石21
2.5.2 雲計算的市場規模22
2.5.3 雲計算商業模式分析22
2.6 本章小結23
第2篇 理論篇
第3章 數據挖掘的主要方法及工具27
3.1 數據挖掘主要方法27
3.1.1 決策樹分類27
3.1.2 神經網絡33
3.1.3 Logistic回歸方法37
3.1.4 聚類分析38
3.1.5 數據挖掘方法比較39
3.1.6 分類器的評估與選擇40
3.2 流行數據分析平臺及數據挖掘工具介紹46
3.3 本章小結52
第4章 Logistic回歸模型53
4.1 多元線性回歸模型53
4.2 Logistic回歸模型55
4.3 Logistic回歸模型的參數估計56
4.4 Logistic回歸模型中回歸繫數的意義58
4.5 Logistic回歸模型的擬合優度63
4.6 Logistic回歸繫數的顯著性檢驗72
4.7 Logistic回歸模型的預測準確性75
4.8 回歸變量的選擇與逐步回歸77
4.9 本章小結83
第5章 數據挖掘建模過程86
5.1 CRISPDM86
5.2 SAS數據挖掘方法論——SEMMA88
5.3 數據挖掘經驗談89
5.4 本章小結89
第3篇 應用篇
第6章 金融行業應用1——信用評分93
6.1 **信用卡業務現狀93
6.2 信用評分模型的起源、類別和發展94
6.3 信用評分的步驟95
6.4 實例演示97
6.4.1 二元變量預測建模98
6.4.2 圖形版建模輸出講解1——效果評價101
6.4.3 圖形版建模輸出講解2——評分卡文件103
6.5 本章小結109
第7章 金融行業應用2——信用卡催收評分110
7.1 信用卡催收評分模型背景介紹110
7.2 實例演示112
7.2.1 圖形版連續變量預測建模112
7.2.2 圖形版建模輸出114
7.3 本章小結116
第8章 保險電銷應用——尋找目標客戶117
8.1 背景介紹117
8.2 案例數據展示及分析118
8.2.1 業務目標118
8.2.2 數據展示118
8.3 數據挖掘與分析過程120
8.3.1 數據預處理120
8.3.2 造變量122
8.3.3 生成挖掘表123
8.3.4 建立響應模型125
8.3.5 建模結果分析125
8.4 數據挖掘結果的運用129
8.5 本章小結129
第9章 電信行業應用——客戶流失預測131
9.1 背景介紹131
9.2 案例數據展示及分析131
9.2.1 商業理解131
9.2.2 數據理解132
9.2.3 數據準備132
9.3 建立打分模型133
9.4 分析建模結果134
9.5 數據挖掘結果的運用136
9.6 本章小結137
**0章 商品零售行業應用——購物籃分析138
10.1 某連鎖零售公司的背景介紹138
10.2 購物籃分析的基本內容139
10.2.1 同次購買的基本概念139
10.2.2 同次購買的關聯規則質量的衡量140
10.2.3 購買分析的實現141
10.2.4 下次購買的基本概念142
10.2.5 下次購買行為預測142
10.3 購物籃分析——MBA工具的使用145
10.3.1 MBA工具的用途145
10.3.2 MBA工具的使用146
10.3.3 MBA工具的輸出146
10.4 本章小結149
**1章 實戰項目——交叉銷售150
11.1 背景介紹150
11.2 案例數據展示及分析151
11.2.1 數據展示151
11.2.2 業務目標及分析要求152
11.3 數據挖掘過程152
11.3.1 數據預處理152
11.3.2 劃分數據集及生成目標變量153
11.3.3 生成衍生變量154
11.3.4 生成挖掘表159
11.4 建立打分模型160
11.5 結果分析161
11.6 本章小結162
**2章 收益預測163
12.1 背景介紹163
12.2 數據展示163
12.2.1 原始數據集展示163
12.2.2 數據挖掘表的生成165
12.3 圖形版建模166
12.3.1 建模過程166
12.3.2 模型輸出166
12.3.3 為新數據集打分168
12.4 本章小結170
參考文獻172