中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于SPSS Modeler的數據挖掘-(第二版) 版權信息
- ISBN：9787300200699
- 條形碼：9787300200699 ; 978-7-300-20069-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于SPSS Modeler的數據挖掘-(第二版) 本書特色
數據挖掘具有廣闊的應用領域和發展前景。spss modeler因界面友好且操作簡捷，成為公認的數據挖掘實戰的首選軟件。 基于多年的教學和科研經驗，作者深知數據挖掘理論和軟件操作相結合的重要性，努力在本書中突出以下特點： 以數據挖掘過程為線索講解modeler軟件操作。本書以數據挖掘實踐過程為主線，從modeler數據管理入手，說明問題由淺入深，講解方法從易到難，旨在使讀者在較短時間內掌握modeler的基本功能和一般方法，并迅速運用到數據挖掘實戰中。 數據挖掘理論的講解通俗易懂，避免數學公式的羅列。本書對modeler中的經典數據挖掘算法娓娓道來，旨在使讀者知其然更知其所以然，加深對數據挖掘分析結論的理解和應用。 將數據挖掘方法、軟件操作、案例分析有機結合。本書在論述數據挖掘方法核心思想和基本原理的同時，配合案例數據展示實戰過程，旨在使讀者直觀理解理論，正確應用方法。
基于SPSS Modeler的數據挖掘-(第二版) 內容簡介
數據挖掘具有廣闊的應用領域和發展前景。SPSS Modeler因界面友好且操作簡捷，成為公認的數據挖掘實戰的首選軟件。基于多年的教學和科研經驗，作者深知數據挖掘理論和軟件操作相結合的重要性，努力在本書中突出以下特點：以數據挖掘過程為線索講解Modeler軟件操作。本書以數據挖掘實踐過程為主線，從Modeler數據管理入手，說明問題由淺入深，講解方法從易到難，旨在使讀者在較短時間內掌握Modeler的基本功能和一般方法，并迅速運用到數據挖掘實戰中。數據挖掘理論的講解通俗易懂，避免數學公式的羅列。本書對Modeler中的經典數據挖掘算法娓娓道來，旨在使讀者知其然更知其所以然，加深對數據挖掘分析結論的理解和應用。將數據挖掘方法、軟件操作、案例分析有機結合。本書在論述數據挖掘方法核心思想和基本原理的同時，配合案例數據展示實戰過程，旨在使讀者直觀理解理論，正確應用方法。
基于SPSS Modeler的數據挖掘-(第二版) 目錄
第1章 數據挖掘和modeler使用概述
1.1 數據挖掘的產生背景
1.2 什么是數據挖掘
1.3 modeler軟件概述
第2章 modeler的數據讀入和數據集成
2.1 變量類型
2.2 讀入數據
2.3 生成實驗方案
2.4 數據集成
第3章 modeler的數據理解
3.1 變量說明
3.2 數據質量的評估和調整
3.3 數據的排序
3.4 數據的分類匯總
第4章 modeler的數據準備
4.1 變量變換
4.2 變量派生
4.3 數據精簡
4.4 數據篩選
4.5 數據準備的其他工作
第5章 modeler的基本分析
5.1 數值型變量的基本分析
5.2 兩分類型變量相關性的研究
5.3 兩總體的均值比較
5.4 rfm分析
第6章 modeler的數據精簡
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 分類預測：modeler的決策樹
7.1 決策樹算法概述
7.2 modeler的c5.0算法及應用
7.3 modeler的分類回歸樹及應用
7.4 modeler的chaid算法及應用
7.5 modeler的quest算法及應用
7.6 模型的對比分析
第8章 分類預測：modeler的人工神經網絡
8.1 人工神經網絡算法概述
8.2 modeler的b-p反向傳播網絡
8.3 modeler的b-p反向傳播網絡的應用
8.4 modeler的徑向基函數網絡及應用
第9章 分類預測：modeler的支持向量機
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 支持向量機的應用
第10章 分類預測：modeler的貝葉斯網絡
10.1 貝葉斯方法基礎
10.2 貝葉斯網絡概述
10.3 tan貝葉斯網絡
10.4 馬爾科夫毯網絡
10.5 貝葉斯網絡的應用
第11章 探索內部結構：modeler的聚類分析
11.1 聚類分析的一般問題
11.2 modeler的k-means聚類及應用
11.3 modeler的兩步聚類及應用
11.4 modeler的kohonen網絡聚類及應用
11.5 基于聚類分析的離群點探索
第12章 探索內部結構：modeler的關聯分析
12.1 簡單關聯規則及其有效性
12.2 modeler的apriori算法及應用
12.3 modeler的序列關聯及應用
參考文獻
1.1 數據挖掘的產生背景
1.2 什么是數據挖掘
1.3 modeler軟件概述
第2章 modeler的數據讀入和數據集成
2.1 變量類型
2.2 讀入數據
2.3 生成實驗方案
2.4 數據集成
第3章 modeler的數據理解
3.1 變量說明
3.2 數據質量的評估和調整
3.3 數據的排序
3.4 數據的分類匯總
第4章 modeler的數據準備
4.1 變量變換
4.2 變量派生
4.3 數據精簡
4.4 數據篩選
4.5 數據準備的其他工作
第5章 modeler的基本分析
5.1 數值型變量的基本分析
5.2 兩分類型變量相關性的研究
5.3 兩總體的均值比較
5.4 rfm分析
第6章 modeler的數據精簡
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 分類預測：modeler的決策樹
7.1 決策樹算法概述
7.2 modeler的c5.0算法及應用
7.3 modeler的分類回歸樹及應用
7.4 modeler的chaid算法及應用
7.5 modeler的quest算法及應用
7.6 模型的對比分析
第8章 分類預測：modeler的人工神經網絡
8.1 人工神經網絡算法概述
8.2 modeler的b-p反向傳播網絡
8.3 modeler的b-p反向傳播網絡的應用
8.4 modeler的徑向基函數網絡及應用
第9章 分類預測：modeler的支持向量機
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 支持向量機的應用
第10章 分類預測：modeler的貝葉斯網絡
10.1 貝葉斯方法基礎
10.2 貝葉斯網絡概述
10.3 tan貝葉斯網絡
10.4 馬爾科夫毯網絡
10.5 貝葉斯網絡的應用
第11章 探索內部結構：modeler的聚類分析
11.1 聚類分析的一般問題
11.2 modeler的k-means聚類及應用
11.3 modeler的兩步聚類及應用
11.4 modeler的kohonen網絡聚類及應用
11.5 基于聚類分析的離群點探索
第12章 探索內部結構：modeler的關聯分析
12.1 簡單關聯規則及其有效性
12.2 modeler的apriori算法及應用
12.3 modeler的序列關聯及應用
參考文獻
展開全部
基于SPSS Modeler的數據挖掘-(第二版) 作者簡介
薛薇，工學碩士，經濟學博士，中國人民大學應用統計科學研究中心副主任，中國人民大學統計學院副教授。關注數據挖掘及統計建模、統計和數據挖掘軟件應用、統計數據庫系統研發等方面。涉足網絡新媒體輿論傳播和互動建模、政府和官方微博分析、電商數據分析、學科學術熱點跟蹤等文本挖掘，以及社會網絡分析和以數據挖掘為依托的客戶關系管理等領域。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
自卑與超越
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
羅庸西南聯大授課錄
- >
我從未如此眷戀人間
- >
苦雨齋序跋文-周作人自編集
- >
隨園食單
- >
詩經-先民的歌唱
本類暢銷
