数据挖掘原理与SPSS Clementine应用宝典

第1部分　数据挖掘应用基础

第1章　数据挖掘概述

第2章　数据挖掘可挖掘的知识类型

第3章　数据挖掘的体系结构与模型

第4章　数据选择

第5章　数据预处理

第2部分　数据挖掘经典算法

第6章　回归分析

第7章　贝叶斯分析

第8章　聚类分析

第9章　决策树算法

第10章　关联规则算法

第11章　粗糙集理论

第12章　神经网络

第13章　遗传算法

第14章　支持向量机

第15章　复杂对象数据挖掘

第3部分　数据挖掘建模与模型

第16章　数据挖掘建模

第17章　数据挖掘模型评价

第4部分　SPSS Clementine数据挖掘实务

第18章　SPSS Clementine基础

第19章 SPSS Clementine数据管理

第20章　数据的图形化展示

第21章　SPSS Clementine数据挖掘建模

第22章　数据挖掘结果的输出

第23章　数据挖掘项目实施

第24章　SPSS Clementine典型案例分析

参考文献

《数据挖掘原理与SPSS Clementine应用宝典》从数据挖掘基础、数据挖掘经典算法、数据挖掘业务建模与模型评价、SPSS Clementine数据挖掘实务这4方面对数据挖掘技术进行了全面介绍，既包含传统经典的数据挖掘方法，同时也包含了部分数据挖掘的最新研究成果；通过学习读者可以对数据挖掘理论有一定的认识，理解数据挖掘经典算法的实现，并且可以掌握数据挖掘建模以及SPSS Clementine数据挖掘实战。
　　《数据挖掘原理与SPSS Clementine应用宝典》共24章，分为4部分。第1部分数据挖掘应用基础，包括第1～5章。通过本部分的学习可以了解掌握数据挖掘的基本概念及数据挖掘应用的基本原理。第2部分数据挖掘经典算法，包括第6～15章，包括回归分析的基本原理以及各种回归分析的方法；贝叶斯网络的基本概念和一些常用的算法；聚类分析的原理和常用的聚类算法；决策树算法的原理和常用算法；关联规则的基本概念、原理以及常用算法；粗糙集基本概念，算法以及在数据挖掘中的应用；基本的神经网络模型的原理和算法；遗传算法的基本构成，算法及其在数据挖掘中的应用；支持向量机的基本原理和实现技术。第3部分数据挖掘建模与模型，包括第16～17章。本部分是数据挖掘建模和模型评价的基础知识。第4部分SPSS Clementine数据挖掘实务，包括第18～24章。本部分包括SPSS Clementine的使用入门和SPSS Clementine数据挖掘项目的实现和具体实施，最后讲解了SPSSClementine的3个典型案例。
　　《数据挖掘原理与SPSS Clementine应用宝典》可作为高等院校计算机科学与技术专业、软件工程专业或信息类等相关专业的教材，也可作为有关数据挖掘方面的培训教材，以及所有拟从事数据挖掘领域工作研究的学生、学者、工程师的参考用书。

从数据挖掘原理与SPSSClementine实践，层层深入技术内幕。
　　《数据挖掘原理与SPSS Clementine应用宝典》点面兼顾，目录分类细致而科学，方便快速查阅。
　　配套代码和精美PowerPoint幻灯片课件。
　　《数据挖掘原理与SPSS Clementine应用宝典》从数据挖掘基础、数据挖掘经典算法、数据挖掘业务建模与模型评价、SPSSClementine数据挖掘实务这4方面对数据挖掘技术进行了全面介绍。《数据挖掘原理与SPSS Clementine应用宝典》既有数据挖掘理论知识、又有SPSSClementine数据挖掘实战，注重从理论到实践。
　　《数据挖掘原理与SPSS Clementine应用宝典》可作为高等院校计算机科学与技术专业、软件工程专业或信息类等相关专业的教材，也可作为有关数据挖掘技术方面的培养教材，以及所有拟从事数据挖掘领域研究的学生、学者和工程师的参考用书。