SPSS Modeler数据挖掘方法及应用 薛薇 电子工业出版社
【85成左右新】笔记很少，整体很新，质量问题支持退换货，售后无忧；但不要拍错哦！
￥ 5.3 1.4折 ￥ 39 八五品
库存17件
浙江杭州
认证卖家担保交易快速发货售后保障
作者薛薇
出版社电子工业出版社
ISBN9787121222030
出版时间2014-01
版次1
装帧平装
开本16开
纸张胶版纸
页数268页
字数99999千字
定价39元
货号9787121222030
上书时间2023-12-27
- 最新上架
商品详情
- 品相描述：八五品
- 【书非常新，有少许笔记】但不影响阅读，无附件和增值服务等。
- 商品描述
-
基本信息
书名:SPSS Modeler数据挖掘方法及应用
定价：39.00元
作者:薛薇
出版社：电子工业出版社
出版日期：2014-01-01
ISBN：9787121222030
字数：429000
页码：268
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
数据挖掘的理论和应用相结合；软件操作和实践相结合；基于版的SPSS Modeler数据挖掘软件；内容系统、完整，方法具有可操作性。
内容提要
数据挖掘是当前数据分析领域中活跃、的地带。本书以数据挖掘的实践过程为主线，通过生动的应用案例，从数据挖掘实施角度，系统介绍了经典的数据挖掘方法和利用SPSS Modeler实现数据挖掘的全部过程，讲解方法从易到难，说明问题从浅至深。本书力求以通俗的方式阐述数据挖掘方法的核心思想与基本原理，同时配合SPSS Modeler软件操作的说明，希望读者能够直观了解方法本质，尽快掌握SPSS Modeler软件使用，并应用到数据挖掘实践中。书中所有数据和案例与华信教育资源网上数据资料内容一致。
目录
章 数据挖掘和Clementine概述 11.1 数据挖掘的产生背景 11.1.1 海量数据的分析需求催生数据挖掘 11.1.2 应用对理论的挑战催生数据挖掘 31.2 什么是数据挖掘 61.2.1 数据挖掘的概念 61.2.2 数据挖掘能做什么 81.2.3 数据挖掘得到的知识形式 91.2.4 数据挖掘的算法分类 111.3 Clementine软件概述 141.3.1 Clementine的窗口 141.3.2 数据流的基本管理和执行 171.3.3 数据流的其他管理 191.3.4 从一个示例看Clementine的使用 21第2章 Clementine数据的读入 302.1 变量的类型 302.1.1 从数据挖掘角度看变量类型 302.1.2 从数据存储角度看变量类型 312.2 读入数据 312.2.1 读自由格式的文本文件 322.2.2 读Excel电子表格数据 362.2.3 读SPSS格式文件 372.2.4 读数据库文件 382.3 生成实验方案数据 402.4 合并数据 422.4.1 数据的纵向合并 422.4.2 数据的横向合并 44第3章 Clementine变量的管理 473.1 变量说明 473.1.1 取值范围和缺失值的说明 483.1.2 变量取值有效性检查和修正 493.1.3 变量角色的说明 503.2 变量值的重新计算 513.2.1 CLEM表达式 523.2.2 变量值重新计算示例 553.3 变量类别值的调整 573.4 生成新变量 583.5 变量值的离散化处理 623.5.1 常用的分箱方法 623.5.2 变量值的离散化处理示例 663.6 生成样本集分割变量 693.6.1 样本集分割的意义和常见方法 693.6.2 生成样本集分割变量的示例 71第4章 Clementine样本的管理 734.1 样本的排序 734.2 样本的条件筛选 744.3 样本的随机抽样 754.4 样本的浓缩处理 764.5 样本的分类汇总 774.6 样本的平衡处理 784.7 样本的其他管理 794.7.1 数据转置 794.7.2 数据的重新组织 81第5章 Clementine数据的基本分析 835.1 数据质量的探索 845.1.1 数据的基本描述与质量探索 845.1.2 离群点和值的修正 875.1.3 缺失值的替补 885.1.4 数据质量管理的其他功能 895.2 基本描述分析 905.2.1 计算基本描述统计量 915.2.2 绘制散点图 935.3 变量分布的探索 945.4 两分类变量相关性的研究 975.4.1 两分类变量相关性的图形分析 975.4.2 两分类变量相关性的数值分析 1005.5 两总体的均值比较 1055.5.1 两总体均值比较的图形分析 1055.5.2 独立样本的均值检验 1075.5.3 配对样本的均值检验 1115.6 变量重要性的分析 1135.6.1 变量重要性分析的一般方法 1135.6.2 变量重要性分析的应用示例 116第6章 分类预测：Clementine的决策树 1196.1 决策树算法概述 1196.1.1 什么是决策树 1196.1.2 决策树的几何理解 1216.1.3 决策树的核心问题 1216.2 Clementine的C5.0算法及应用 1246.2.1 信息熵和信息增益 1246.2.2 C5.0的决策树生长算法 1266.2.3 C5.0的剪枝算法 1306.2.4 C5.0的推理规则集 1326.2.5 C5.0的基本应用示例 1366.2.6 C5.0的损失矩阵和Boosting技术 1406.2.7 C5.0的模型评价 1456.2.8 C5.0的其他话题：推理规则、交叉验证和未剪枝的决策树 1476.3 Clementine的分类回归树及应用 1486.3.1 分类回归树的生长过程 1496.3.2 分类回归树的剪枝过程 1516.3.3 损失矩阵对分类树的影响 1546.3.4 分类回归树的基本应用示例 1556.3.5 分类回归树的交互建模 1596.3.6 分类回归树的模型评价 1606.4 Clementine的CHAID算法及应用 1686.4.1 CHAID分组变量的预处理和选择策略 1686.4.2 Exhaustive CHAID算法 1706.4.3 CHAID的剪枝 1716.4.4 CHAID的应用示例 1716.5 Clementine的QUEST算法及应用 1736.5.1 QUEST算法确定佳分组变量和分割点的方法 1746.5.2 QUEST算法的应用示例 1766.6 决策树算法评估的图形比较 1776.6.1 不同模型的误差对比 1776.6.2 不同模型收益的对比 178第7章 分类预测：Clementine的人工神经网络 1817.1 人工神经网络算法概述 1817.1.1 人工神经网络的概念和种类 1817.1.2 人工神经网络中的节点和意义 1837.1.3 人工神经网络建立的一般步骤 1857.2 Clementine的B-P反向传播网络 1877.2.1 感知机模型 1887.2.2 B-P反向传播网络的特点 1907.2.3 B-P反向传播算法 1937.2.4 B-P反向传播网络的其他问题 1967.3 Clementine的B-P反向传播网络的应用 1997.3.1 基本操作说明 2007.3.2 计算结果说明 2027.3.3 提高模型预测精度 2047.4 Clementine的径向基函数网络及应用 2047.4.1 径向基函数网络中的隐节点和输出节点 2047.4.2 径向基函数网络的学习过程 2057.4.3 径向基函数网络的应用示例 207第8章 分类预测：Clementine的统计方法 2098.1 Clementine的Logistic回归分析及应用 2098.1.1 二项Logistic回归方程 2108.1.2 二项Logistic回归方程系数的含义 2128.1.3 二项Logistic回归方程的检验 2148.1.4 二项Logistic回归分析的应用示例 2188.1.5 多项Logistic回归分析的应用示例 2248.2 Clementine的判别分析及应用 2268.2.1 距离判别法 2268.2.2 Fisher判别法 2288.2.3 贝叶斯判别法 2318.2.4 判别分析的应用示例 233第9章 探索内部结构：Clementine的关联分析 2429.1 简单关联规则及其有效性 2429.1.1 简单关联规则的基本概念 2439.1.2 简单关联规则的有效性和实用性 2459.2 Clementine的Apriori算法及应用 2499.2.1 产生频繁项集 2499.2.2 依据频繁项集产生简单关联规则 2519.2.3 Apriori算法的应用示例 2519.3 Clementine的GRI算法及应用 2569.3.1 GRI算法基本思路 2569.3.2 GRI算法的具体策略 2579.3.3 GRI算法的应用示例 2599.4 Clementine的序列关联及应用 2609.4.1 序列关联中的基本概念 2619.4.2 Sequence算法 2629.4.3 序列关联的时间约束 2669.4.4 序列关联分析的应用示例 2660章 探索内部结构：Clementine的聚类分析 27010.1 聚类分析的一般问题 27010.1.1 聚类分析的提出 27010.1.2 聚类分析的算法 27110.2 Clementine的K-Means聚类及应用 27110.2.1 K-Means对“亲疏程度”的测度 27110.2.2 K-Means聚类过程 27210.2.3 K-Means聚类的应用示例 27510.3 Clementine的两步聚类及应用 27910.3.1 两步聚类对“亲疏程度”的测度 27910.3.2 两步聚类过程 28110.3.3 聚类数目的确定 28210.3.4 两步聚类的应用示例 28410.4 Clementine的Kohonen网络聚类及应用 28610.4.1 Kohonen网络的聚类机理 28610.4.2 Kohonen网络的聚类过程 28810.4.3 Kohonen网络聚类的示例 29010.5 基于聚类分析的离群点探索及应用 29510.5.1 多维空间基于聚类的诊断方法 29610.5.2 多维空间基于聚类的诊断方法应用示例 299参考文献 302
作者介绍
薛薇，中国人民大学应用统计科学研究中心副主任
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价