SPSS Modeler+Weka數(shù)據(jù)挖掘從入門到實(shí)戰(zhàn)

第1 篇 理論篇

第1 章 數(shù)據(jù)挖掘簡(jiǎn)介 ................................................................................... 1

1.1 數(shù)據(jù)挖掘的起源、定義及目標(biāo) ....................................................................................... 2

1.2 數(shù)據(jù)挖掘的發(fā)展歷程 ....................................................................................................... 2

1.3 SPSS Modeler 和Weka 基礎(chǔ)操作 .................................................................................... 4

1.3.1 SPSS Modeler 軟件簡(jiǎn)介 ....................................................................................... 4

1.3.2 建立一個(gè)SPSS Modeler 項(xiàng)目 .............................................................................. 5

1.3.3 Weka 軟件環(huán)境簡(jiǎn)介 ............................................................................................. 8

1.3.4 Weka 簡(jiǎn)單操作實(shí)例 ............................................................................................. 9

第2 章 數(shù)據(jù)挖掘方法論 .............................................................................. 15

2.1 數(shù)據(jù)挖掘方法論 ............................................................................................................. 16

2.1.1 CRISP-DM .......................................................................................................... 16

2.1.2 SEMMA .............................................................................................................. 16

2.2 數(shù)據(jù)庫(kù)中的知識(shí)挖掘步驟 ............................................................................................. 17

2.2.1 字段選擇 ............................................................................................................. 17

2.2.2 數(shù)據(jù)清洗 ............................................................................................................. 18

2.2.3 字段擴(kuò)充 ............................................................................................................. 18

2.2.4 數(shù)據(jù)編碼 ............................................................................................................. 19

2.2.5 數(shù)據(jù)挖掘 ............................................................................................................. 20

2.2.6 結(jié)果呈現(xiàn) ............................................................................................................. 21

2.3 案例：運(yùn)用SPSS Modeler 和Weka 做客戶的信用風(fēng)險(xiǎn)評(píng)分模型 ............................. 22

2.3.1 案例說(shuō)明 ............................................................................................................. 22

2.3.2 案例實(shí)操 ............................................................................................................. 23

2.3.3 運(yùn)用SPSS Modeler 進(jìn)行初步的數(shù)據(jù)挖掘 ........................................................ 28

2.3.4 運(yùn)用Weka 進(jìn)行數(shù)據(jù)匯入 .................................................................................. 34

2.3.5 Weka 自有數(shù)據(jù)存儲(chǔ)格式arff 簡(jiǎn)介 ................................................................... 36

第3 章 基本的數(shù)據(jù)挖掘技術(shù) ...................................................................... 38

3.1 描述性統(tǒng)計(jì) ..................................................................................................................... 39

3.1.1 案例：通過(guò)數(shù)據(jù)判斷客戶是否需要新增電話線路 ......................................... 39

3.1.2 案例：運(yùn)用描述性統(tǒng)計(jì)分析雜志社的客戶特征 ............................................. 40

3.2 可視化技術(shù) ..................................................................................................................... 42

3.3 KNN 原理及實(shí)例 ........................................................................................................... 44

3.3.1 KNN（K 最近鄰）算法 ..................................................................................... 44

3.3.2 使用KNN 算法計(jì)算距離 .................................................................................. 45

3.3.3 案例：使用KNN 算法向用戶推薦電影 ........................................................... 49

3.4 案例：運(yùn)用Weka 的KNN 算法對(duì)診斷結(jié)果進(jìn)行預(yù)測(cè) ..................................................... 52

3.4.1 案例說(shuō)明 ............................................................................................................. 52

3.4.2 運(yùn)用Weka 中的IBk 模型進(jìn)行預(yù)測(cè) .................................................................. 53

3.5 案例：運(yùn)用SPSS Mo