基于SPSS Modeler的数据挖掘(第二版)(统计数据分析与应用丛书)

基于SPSS Modeler的数据挖掘(第二版)(统计数据分析与应用丛书)
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2014-10
版次: 2
ISBN: 9787300200699
定价: 49.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 404页
字数: 592千字
正文语种: 简体中文
122人买过
  • 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,成为公认的数据挖掘实战的首选软件。
    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重要性,努力在本书中突出以下特点:
    以数据挖掘过程为线索讲解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,旨在使读者在较短时间内掌握Modeler的基本功能和一般方法,并迅速运用到数据挖掘实战中。
    数据挖掘理论的讲解通俗易懂,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以然,加深对数据挖掘分析结论的理解和应用。
    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思想和基本原理的同时,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。

    薛薇,工学硕士,经济学博士,中国人民大学应用统计科学研究中心副主任,中国人民大学统计学院副教授。关注数据挖掘及统计建模、统计和数据挖掘软件应用、统计数据库系统研发等方面。涉足网络新媒体舆论传播和互动建模、政府和官方微博分析、电商数据分析、学科学术热点跟踪等文本挖掘,以及社会网络分析和以数据挖掘为依托的客户关系管理等领域。 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


    第2章Modeler的数据读入和数据集成

    2.1变量类型

    2.2读入数据

    2.3生成实验方案

    2.4数据集成


    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数据精简

    4.4数据筛选

    4.5数据准备的其他工作


    第5章Modeler的基本分析

    5.1数值型变量的基本分析

    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的数据精简

    6.1变量值的离散化处理

    6.2特征选择

    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的支持向量机

    9.1支持向量分类的基本思路

    9.2支持向量分类的基本原理

    9.3支持向量回归

    9.4支持向量机的应用


    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贝叶斯网络

    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聚类分析的一般问题

    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简单关联规则及其有效性

    12.2Modeler的Apriori算法及应用

    12.3Modeler的序列关联及应用



    参考文献
  • 内容简介:
    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,成为公认的数据挖掘实战的首选软件。
    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重要性,努力在本书中突出以下特点:
    以数据挖掘过程为线索讲解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,旨在使读者在较短时间内掌握Modeler的基本功能和一般方法,并迅速运用到数据挖掘实战中。
    数据挖掘理论的讲解通俗易懂,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以然,加深对数据挖掘分析结论的理解和应用。
    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思想和基本原理的同时,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。

  • 作者简介:
    薛薇,工学硕士,经济学博士,中国人民大学应用统计科学研究中心副主任,中国人民大学统计学院副教授。关注数据挖掘及统计建模、统计和数据挖掘软件应用、统计数据库系统研发等方面。涉足网络新媒体舆论传播和互动建模、政府和官方微博分析、电商数据分析、学科学术热点跟踪等文本挖掘,以及社会网络分析和以数据挖掘为依托的客户关系管理等领域。
  • 目录:
    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


    第2章Modeler的数据读入和数据集成

    2.1变量类型

    2.2读入数据

    2.3生成实验方案

    2.4数据集成


    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数据精简

    4.4数据筛选

    4.5数据准备的其他工作


    第5章Modeler的基本分析

    5.1数值型变量的基本分析

    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的数据精简

    6.1变量值的离散化处理

    6.2特征选择

    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的支持向量机

    9.1支持向量分类的基本思路

    9.2支持向量分类的基本原理

    9.3支持向量回归

    9.4支持向量机的应用


    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贝叶斯网络

    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聚类分析的一般问题

    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简单关联规则及其有效性

    12.2Modeler的Apriori算法及应用

    12.3Modeler的序列关联及应用



    参考文献
查看详情