基于SPSS Modeler的數(shù)據(jù)挖掘（第二版）

定　價(jià)：￥49.00

作　者：	薛薇著
出版社：	中國(guó)人民大學(xué)出版社
叢編項(xiàng)：	統(tǒng)計(jì)數(shù)據(jù)分析與應(yīng)用叢書(shū)
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)

購(gòu)買這本書(shū)可以去

ISBN：	9787300200699	出版時(shí)間：	2014-10-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	404	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　數(shù)據(jù)挖掘具有廣闊的應(yīng)用領(lǐng)域和發(fā)展前景。SPSS Modeler因界面友好且操作簡(jiǎn)捷，成為公認(rèn)的數(shù)據(jù)挖掘?qū)崙?zhàn)的首選軟件。基于多年的教學(xué)和科研經(jīng)驗(yàn)，作者深知數(shù)據(jù)挖掘理論和軟件操作相結(jié)合的重要性，努力在本書(shū)中突出以下特點(diǎn)：以數(shù)據(jù)挖掘過(guò)程為線索講解Modeler軟件操作。本書(shū)以數(shù)據(jù)挖掘?qū)嵺`過(guò)程為主線，從Modeler數(shù)據(jù)管理入手，說(shuō)明問(wèn)題由淺入深，講解方法從易到難，旨在使讀者在較短時(shí)間內(nèi)掌握Modeler的基本功能和一般方法，并迅速運(yùn)用到數(shù)據(jù)挖掘?qū)崙?zhàn)中。數(shù)據(jù)挖掘理論的講解通俗易懂，避免數(shù)學(xué)公式的羅列。本書(shū)對(duì)Modeler中的經(jīng)典數(shù)據(jù)挖掘算法娓娓道來(lái)，旨在使讀者知其然更知其所以然，加深對(duì)數(shù)據(jù)挖掘分析結(jié)論的理解和應(yīng)用。將數(shù)據(jù)挖掘方法、軟件操作、案例分析有機(jī)結(jié)合。本書(shū)在論述數(shù)據(jù)挖掘方法核心思想和基本原理的同時(shí)，配合案例數(shù)據(jù)展示實(shí)戰(zhàn)過(guò)程，旨在使讀者直觀理解理論，正確應(yīng)用方法。

作者簡(jiǎn)介

　　薛薇，工學(xué)碩士，經(jīng)濟(jì)學(xué)博士，中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心副主任，中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院副教授。關(guān)注數(shù)據(jù)挖掘及統(tǒng)計(jì)建模、統(tǒng)計(jì)和數(shù)據(jù)挖掘軟件應(yīng)用、統(tǒng)計(jì)數(shù)據(jù)庫(kù)系統(tǒng)研發(fā)等方面。涉足網(wǎng)絡(luò)新媒體輿論傳播和互動(dòng)建模、政府和官方微博分析、電商數(shù)據(jù)分析、學(xué)科學(xué)術(shù)熱點(diǎn)跟蹤等文本挖掘，以及社會(huì)網(wǎng)絡(luò)分析和以數(shù)據(jù)挖掘?yàn)橐劳械目蛻絷P(guān)系管理等領(lǐng)域。

圖書(shū)目錄

第1章數(shù)據(jù)挖掘和Modeler使用概述
1．1數(shù)據(jù)挖掘的產(chǎn)生背景
1．2什么是數(shù)據(jù)挖掘
1．3Modeler軟件概述

第2章Modeler的數(shù)據(jù)讀入和數(shù)據(jù)集成
2．1變量類型
2．2讀入數(shù)據(jù)
2．3生成實(shí)驗(yàn)方案
2．4數(shù)據(jù)集成

第3章Modeler的數(shù)據(jù)理解
3．1變量說(shuō)明
3．2數(shù)據(jù)質(zhì)量的評(píng)估和調(diào)整
3．3數(shù)據(jù)的排序
3．4數(shù)據(jù)的分類匯總

第4章Modeler的數(shù)據(jù)準(zhǔn)備
4．1變量變換
4．2變量派生
4．3數(shù)據(jù)精簡(jiǎn)
4．4數(shù)據(jù)篩選
4．5數(shù)據(jù)準(zhǔn)備的其他工作

第5章Modeler的基本分析
5．1數(shù)值型變量的基本分析
5．2兩分類型變量相關(guān)性的研究
5．3兩總體的均值比較
5．4RFM分析

第6章Modeler的數(shù)據(jù)精簡(jiǎn)
6．1變量值的離散化處理
6．2特征選擇
6．3因子分析

第7章分類預(yù)測(cè)：Modeler的決策樹(shù)
7．1決策樹(shù)算法概述
7．2Modeler的C5?0算法及應(yīng)用
7．3Modeler的分類回歸樹(shù)及應(yīng)用
7．4Modeler的CHAID算法及應(yīng)用
7．5Modeler的QUEST算法及應(yīng)用
7．6模型的對(duì)比分析

第8章分類預(yù)測(cè)：Modeler的人工神經(jīng)網(wǎng)絡(luò)
8．1人工神經(jīng)網(wǎng)絡(luò)算法概述
8．2Modeler的B?P反向傳播網(wǎng)絡(luò)
8．3Modeler的B?P反向傳播網(wǎng)絡(luò)的應(yīng)用
8．4Modeler的徑向基函數(shù)網(wǎng)絡(luò)及應(yīng)用

第9章分類預(yù)測(cè)：Modeler的支持向量機(jī)
9．1支持向量分類的基本思路
9．2支持向量分類的基本原理
9．3支持向量回歸
9．4支持向量機(jī)的應(yīng)用

第10章分類預(yù)測(cè)：Modeler的貝葉斯網(wǎng)絡(luò)
10．1貝葉斯方法基礎(chǔ)
10．2貝葉斯網(wǎng)絡(luò)概述
10．3TAN貝葉斯網(wǎng)絡(luò)
10．4馬爾科夫毯網(wǎng)絡(luò)
10．5貝葉斯網(wǎng)絡(luò)的應(yīng)用

第11章探索內(nèi)部結(jié)構(gòu)：Modeler的聚類分析
11．1聚類分析的一般問(wèn)題
11．2Modeler的K?Means聚類及應(yīng)用
11．3Modeler的兩步聚類及應(yīng)用
11．4Modeler的Kohonen網(wǎng)絡(luò)聚類及應(yīng)用
11．5基于聚類分析的離群點(diǎn)探索

第12章探索內(nèi)部結(jié)構(gòu)：Modeler的關(guān)聯(lián)分析
12．1簡(jiǎn)單關(guān)聯(lián)規(guī)則及其有效性
12．2Modeler的Apriori算法及應(yīng)用
12．3Modeler的序列關(guān)聯(lián)及應(yīng)用

參考文獻(xiàn)