close
1.

図書

図書
Michael J.A. Berry, Gordon Linoff
出版情報: New York : Wiley, c1997  x, 454 p. ; 24 cm
所蔵情報: loading…
2.

図書

東工大
目次DB

図書
東工大
目次DB
マイケル J.A. ベリー, ゴードン・リノフ著 ; 江原淳 [ほか] 共訳
出版情報: 東京 : 海文堂出版, 2002.7-2002.10  2冊 ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
事例編
訳者まえがき iii
はじめに ix
謝辞 xiii 
PART ONE 本書の焦点
   [1] データマイニングのコンテキスト 5
   1.1 データマイニングとは何か? 7
   1.2 データマイニングで何ができるのか? 8
   1.3 データマイニングのビジネスコンテキスト 13
   1.4 データマイニングの技術的コンテキスト 17
   1.5 データマイニングの社会経済的コンテキスト 23
   [2] なぜ技術をマスターしなければならないのか 27
   2.1 データマイニングへの4つのアプローチ 30
   2.2 得られた教訓 51
   [3] データマイニングの方法論 : 繰り返される好循環 53
   3.1 データマイニングの2つのスタイル 55
   3.2 データマイニングの好循環 58
   3.3 適切な業務課題の特定 60
   3.4 データの行動可能な結果への変換 66
   3.5 結果に基づく行動 77
   3.6 モデルの有効性の測定 80
   3.7 予測モデルの成功要因は何か? 81
   3.8 得られた教訓 88
   [4] 顧客および彼らのライフサイクル 89
   4.1 誰が顧客なのか? 90
   4.2 顧客ライフサイクル 99
   4.3 顧客のライフサイクル 108
   4.4 適切な時点での適切な顧客へのターゲティング 109
   4.5 得られた教訓 121
PART TWO データマイニングの3本柱
   [5] データマイニング技術とアルゴリズム 133
   5.1 多様な技術に多様な目標 134
   5.2 データマイニングの3つの技術 138
   5.3 クラスタ分析 139
   5.4 決定木 149
   5.5 ニューラルネットワーク 162
   5.6 得られた教訓 173
   [6] あたり一面のデータ, データ... 175
   6.1 データはどのような形式であるべきか? 177
   6.2 実際のデータはどのような形式なのか? 188
   6.3 どのぐらいデータがあれば十分か? 209
   6.4 導出変数 211
   6.5 事例研究 : 顧客の行動を定義する 225
   6.6 汚いデータ 234
   6.7 得られた教訓 239
   [7] 有効な予測モデルの構築 241
   7.1 良い予測モデルの構築 242
   7.2 モデルセットを使っての作業 255
   7.3 複数のモデルの使用について 284
   7.4 やってみよう! 296
   7.5 得られた教訓 300
   [8] データマイニング環境の構築 301
   8.1 スタートする 302
   8.2 事例1 : 企業内にコアコンピタンスを構築する 306
   8.3 事例2 : 新しい事業の構築 313
   8.4 事例3 : データウェアハウスの取り組みにデータマイニングスキルを構築する 319
   8.5 事例4 : Tessera RMEを用いたデータマイニング 322
   8.6 得られた教訓 335
索引 337
理論編
[0] 「事例編」の概要 1
   01. カスタマーライフサイクルに従う 2
   02. ビジネス慣習の洞察 5
   03. ケーススタディの構成 7
[1] カバンの香油やズボンプレッサーを必要とするのは誰か? 11
   1.1 バーモントカントリーストア 12
   1.2 業務課題 17
   1.3 データ 20
   1.4 技術的アプローチ 23
   1.5 将来の構想 32
   1.6 得られた教訓 33
[2] 誰が何を買うのか? オンラインバンキングにおけるベストネクストオファーモデルの構築 35
   2.1 財布内シェアを高めること 36
   2.2 業務課題 38
   2.3 データ 39
   2.4 課題へのアプローチ 47
   2.5 モデル構築 53
   2.6 もっと完璧な世界 71
   2.7 得られた教訓 72
[3] どうか行かないで! 無線通信事業における乗り換えモデルづくり 75
   3.1 無線電話業界について 77
   3.2 ビジネス上の問題 82
   3.3 乗り換えモデル構築 : 実在する応用例 96
   3.4 データ 117
   3.5 乗り換えモデル構築の教訓 127
   3.6 得られた教訓 136
[4] 顧客への集中 : 遠隔通信産業における顧客行動の理解 137
   4.1 データフロー 139
   4.2 ビジネスの問題 147
   4.3 データ 150
   4.4 発見の旅 159
   4.5 得られた教訓 184
[5] 誰が何を買っているのか? スーパーマーケットの買物客を知る 185
   5.1 過渡期にある業界 186
   5.2 3つのケーススタディ 194
   5.3 エスニック購買パターンの分析 195
   5.4 誰がスーパーマーケットでヨーグルトを買っているのか? 206
   5.5 誰が健康食品店で精肉を買っているのか? 220
   5.6 得られた教訓 229
[6] 不足なく, ムダなく : 製造工程の改善 233
   6.1 ドネリー社でのコスト削減のためのデータマイニング 234
   6.2 タイム社での紙の浪費の削減 246
   6.3 得られた教訓 267
[7] 社会経済的状況 : データマイニングとプライバシー 269
   7.1 プライバシーの観点から 270
   7.2 データマイニングは脅威か 273
   7.3 プライバシーの期待 275
   7.4 現実の世界での情報 282
   7.5 電子的世界での情報 284
   7.6 データマイニングの約束 291
索引 293
事例編
訳者まえがき iii
はじめに ix
3.

図書

図書
ゴードンS.リノフ, マイケルJ.A.ベリー著 ; 上野勉 [ほか] 共訳
出版情報: 東京 : 海文堂出版, 2014.3  2冊 ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1 記述と予測:プロファイリングと予測モデル : 目的志向的データマイニング
目的志向的データマイニングの方法論 ほか
2 決定木 : 決定木とは何か、どのように使われるのか
決定木は局所モデルである ほか
3 人工ニューラルネットワーク : ちょっとした歴史
生物学的モデル ほか
4 最近傍アプローチ:記憶ベース推論と協調フィルタリング : 記憶ベース推論 / MBR
MBRの課題 : ほか
5 心配すべき時を知る:顧客理解のための生存分析の活用 : 顧客の生存
ハザード確率 ほか
1 : 何か新しいことを教えて:パターン発見とデータマイニング
2 : 同じような島を探し出す:クラスタの自動探索
3 : その他のクラスタリング手法
4 : マーケットバスケット分析とアソシエーションルール
5 : リンク分析
6 : 顧客の声に注意深く耳を傾けよう:テキストマイニング
1 記述と予測:プロファイリングと予測モデル : 目的志向的データマイニング
目的志向的データマイニングの方法論 ほか
2 決定木 : 決定木とは何か、どのように使われるのか
概要: 実務と手法をつないだベストセラー、待望の3訂版。ビッグデータへすぐに応用できるようケーススタディで解説。
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼