基于SPSS Modeler的数据挖掘-(第二版)

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，成为的数据挖掘实战的选软件。 
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。 

目录

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C50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BP反向传播网络 
8.3Modeler的BP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