基于SPSS Modeler的数据挖掘

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

1.3　Modeler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

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

1.3　Modeler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

5.4　RFM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

7.2　Modeler的C5.0算法及应用

7.3　Modeler的分类回归树及应用

7.4　Modeler的CHAID算法及应用

7.5　Modeler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

8.2　Modeler的B-P反向传播网络

8.3　Modeler的B-P反向传播网络的应用

8.4　Modeler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

10.3　TAN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

11.2　Modeler的K-Means聚类及应用

11.3　Modeler的两步聚类及应用

11.4　Modeler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

12.2　Modeler的Apriori算法及应用

12.3　Modeler的序列关联及应用

参考文献

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。