SPSS Modeler中文教程：基于SPSS Modeler的数据挖掘(第二版）

数据挖掘具有广阔的应用领域和发展前景。SPSS Modeler因界面友好且操作简捷，成为数据挖掘实战的软件。基于多年的教学和科研经验，作者深知数据挖掘理论和软件操作相结合的紧要性，努力在本书中突出以下亮点：以数据挖掘为线索讲解Modeler软件操作。本书以数据挖掘实践过程为主线，从Modeler数据管理入手，说明问题由浅入深，讲解方法从易到难，避免数学公式的罗列。本书对Modeler中的经典数据挖掘算法娓娓道来，旨在使读者知其然更知其所然，加深对数据挖掘分析理论的理解和应用。

将数据挖掘方法、软件操作、案例分析有机结合。本书在论述数据挖掘方法核心和基本原理的同时，配合案例数据展示实战过程，旨在使读者直观理解理论，正确应用方法。

 

目前该书在京东网上即可买到，睿驰科技在这里给大家分享购买链接【点击查看】，供广大学习者参考。

 

 

第1章 数据挖掘和Modeler使用概述

1.1 数据挖掘的产生背景

1.2什么是数据挖掘

1.3Modeler软件概述

 

章Modeler的数据读入和数据

2.1变量类型

2.2读入数据

2.3生成实验方案

2.4数据

 

第3章Modeler的数据理解

3.1变量说明

3.2数据质量的评估和调整

3.3数据的排序

3.4数据的分类汇总

 

第4章Modeler的数据准备

4.1变量变换

4.2变量派生

4.3数据精筒

4.4数据筛选

4.5数据准备的工作

 

第5章Modeler的基本分析

5.1数值型变量相关性的研究

5.2两分类型变量相关性的研究

5.3两总体的均值比较
5.4RFM分析

 

第6章Modeler的数据精筒

6.1变量值的离散化处理

6.2选择

6.3因子分析

 

第7章分类预测：Modeler的决策树

7.1决策树算法概述

7.2Modeler的C5.0算法及应用

7.3Modeler的分类回归树及应用

7.4Modeler的CHAID算法及应用

7.5Modeler的QUEST算法及应用

7.6模型的对比分析

 

第8章分类预测：Modeler的人工神经网络

8.1人工神经网络算法概述

8.2Modeler的B-P反向传播网络

8.3Modeler的B-P反向传播网络的应用

8.4Modeler的径向基函数网络及应用

 

第9章分类预测：Modeler的向量机

9.1向量分类的基本思路

9.2向量分类的基本原理

9.3向量回归

9.4向量机的应用

 

第10章分类预测：Modeler的贝叶斯网络

10.1贝叶斯方法基础

10.2贝叶斯网络概述

10.3TAN贝特斯网络

10.4马尔科夫毯网络

10.5贝叶斯网络的应用

 

第11章探索内部结构：Modeler的聚类分析

11.1聚类分析的问题

11.2Modeler的K-Means聚类及应用

11.3Modeler的两步聚类及应用

11.4Modeler的Kohonen网络聚类及应用

11.5基于聚类分析的离群点探索

 

第12章探索内部结构：Modeler的关联分析

12.1关联规则及其性

12.2Modeler的Apriori算法及应用

12.3Modeler的关联及应用

 

参考文献