IBM SPSS Modeler数据与文本挖掘实战

图书标准信息

• 作者 王国平、郭伟宸、汪若君 著
• 出版社 清华大学出版社
• 出版时间 2014-11
• 版次 1
• ISBN 9787302372127
• 定价 55.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 295页
• 字数 493千字
• 正文语种 简体中文

【内容简介】

　　《IBMSPSSModeler数据与文本挖掘实战》主要包括两部分内容：在数据挖掘部分，重点介绍了各种数据挖掘方法的基本原理及应用，包括回归分析、时间序列分析、因子分析、决策树分析、判别分析、聚类分析、人工神经网络、贝叶斯网络以及社交网络分析等；在文本挖掘部分，重点介绍了文本挖掘的节点，以及具体的实现过程。每一章都详细介绍了数据和文本挖掘的基本原理和分析过程，同时在实例中也介绍了SPSSModeler中大部分节点的使用方法及应用步骤。
　　《IBMSPSSModeler数据与文本挖掘实战》与同类书籍相比，安排了较多的实例，使读者能够边学边练，在短时间内就可以有一个较大的提高，方便读者熟悉SPSSModeler的基本操作，并通过系统的案例使读者掌握应用技巧。
　　《IBMSPSSModeler数据与文本挖掘实战》对于高校理工学科、经济金融学科及数量分析方面的学生，以及数据挖掘和分析方面的研究人员和从业人员等，具有很强的可读性、可操作性与可使用性，尤其适合商业销售、经济管理、社会研究和人文教育等行业的相关人员阅读。

【作者简介】

　　王国平，毕业于上海海洋大学，硕士，就职于上海大智慧股份有限公司，从事金融数据研究、金融产品设计工作，有多年的数据挖掘与分析以及行业案例实践经验。本书是首本著作，是在实践工作中的经验分享。

【目录】

第1部分数据挖掘篇
第1章数据挖掘概述
1.1什么是数据挖掘
1.1.1数据挖掘的定义
1.1.2数据挖掘的发展阶段
1.1.3数据挖掘的技术特征
1.2与传统技术的比较
1.2.1数据挖掘和统计分析
1.2.2数据挖掘和数据仓库
1.2.3数据挖掘和OLAP
1.2.4数据挖掘和Web挖掘
1.3常用的数据挖掘软件
1.3.1SASEM
1.3.2SPSSModeler
1.3.3IntelligentMiner
1.4应用实例：目标客户分析
1.4.1研究方法
1.4.2数据分析
1.4.3研究结论

第2章SPSSModeler软件概述
2.1软件简介
2.1.1软件发展
2.1.2软件界面
2.1.3软件特点
2.1.4软件功能
2.1.5软件算法
2.1.6高级功能
2.1.7软件安装
2.2行业应用
2.2.1通信行业
2.2.2政府行业
2.2.3金融行业
2.2.4制造行业
2.2.5医药行业
2.2.6教育科研
2.2.7市场调研
2.2.8连锁零售
2.3数据挖掘流程
2.3.1业务理解
2.3.2数据理解
2.3.3数据准备
2.3.4建立模型
2.3.5评估模型
2.3.6应用模型
2.4应用实例：药物效果研究
2.4.1研究方法
2.4.2数据分析
2.4.3研究结论

第3章SPSSModeler基础操作
3.1数据输入
3.1.1数据库
3.1.2可变文件
3.1.3固定文件
3.1.4SAS文件
3.1.5Statistics文件
3.1.6Excel文件
3.2数据流操作
3.2.1生成数据流
3.2.2添加和删除节点
3.2.3连接数据流
3.2.4修改连接节点
3.2.5执行数据流
3.3图形制作
3.3.1散点图
3.3.2直方图
3.3.3网络图
3.3.4评估图
3.4应用实例：产品销售预测
3.4.1研究方法
3.4.2数据分析
3.4.3研究结论

第4章回归分析
4.1回归分析模型概述
4.1.1模型定义
4.1.2模型应用
4.1.3建模步骤
4.1.4注意事项
4.2应用实例：客户流失因素分析
4.2.1研究方法
4.2.2数据分析
4.2.3研究结论

第5章时间序列
5.1时间序列模型概述
5.1.1模型定义
5.1.2模型应用
5.1.3建模步骤
5.2应用实例：带宽利用率预测
5.2.1研究方法
5.2.2数据分析
5.2.3研究结论

第6章因子分析
6.1因子分析模型概述
6.1.1模型定义
6.1.2模型应用
6.1.3建模步骤
6.1.4注意事项
6.2应用实例：儿童玩具影响因子分析
6.2.1研究方法
6.2.2数据分析
6.2.3研究结论

第7章决策树
7.1决策树模型概述
7.1.1模型定义
7.1.2模型应用
7.1.3建模步骤
7.1.4注意事项
7.2应用实例：电信客户流失分析
7.2.1研究方法
7.2.2数据分析
7.2.3研究结论

第8章判别分析
8.1判别分析模型概述
8.1.1模型定义
8.1.2模型应用
8.1.3建模步骤
8.1.4注意事项
8.2应用实例：电信客户群判别分析
8.2.1研究方法
8.2.2数据分析
8.2.3研究结论

第9章聚类分析
9.1聚类分析模型概述
9.1.1模型定义
9.1.2模型应用
9.1.3建模步骤
9.1.4注意事项
9.2应用实例：药物效果聚类分析
9.2.1研究方法
9.2.2数据分析
9.2.3研究结论

第10章关联分析
10.1关联分析模型概述
10.1.1模型定义
10.1.2模型应用
10.1.3建模步骤
10.1.4注意事项
10.2应用实例：商品关联性分析
10.2.1研究方法
10.2.2数据分析
10.2.3研究结论

第11章人工神经网络
11.1人工神经网络模型概述
11.1.1模型定义
11.1.2模型应用
11.1.3建模步骤
11.1.4注意事项
11.2应用实例：客户流失预测分析
11.2.1研究方法
11.2.2数据分析
11.2.3研究结论

第12章贝叶斯网络
12.1贝叶斯网络模型概述
12.1.1模型定义
12.1.2模型应用
12.1.3建模步骤
12.1.4注意事项
12.2应用实例：贷款风险预测
12.2.1研究方法
12.2.2数据分析
12.2.3研究结论

第13章社交网络分析
13.1社交网络分析模型概述
13.1.1模型定义
13.1.2模型应用
13.1.3建模步骤
13.1.4注意事项
13.2应用实例：客户流失预警分析
13.2.1研究方法
13.2.2数据分析
13.2.3研究结论

第2部分文本挖掘篇
第14章文本挖掘概述
14.1什么是文本挖掘
14.2文本挖掘的研究现状
14.3文本挖掘软件简介
14.3.1IntelligentMiner
14.3.2北大方正智思

第15章文本挖掘算法
15.1特征选择文本分类算法
15.1.1文本特征表示
15.1.2文档预处理
15.1.3文档特征选择
15.2支持向量机文本分类算法
15.2.1文档特征的表示
15.2.2文本特征的提取
15.2.3文档的相似度
15.2.4支持向量机算法
15.3朴素贝叶斯文本分类算法
15.3.1贝叶斯公式
15.3.2贝叶斯定理的应用
15.3.3朴素贝叶斯分类器
15.3.4朴素贝叶斯文本分类算法
15.4KNN文本分类算法
15.4.1KNN文本分类算法概述
15.4.2基于统计的KNN文本分类算法
15.4.3基于LSA降维的KNN文本分类算法

第16章SPSSModeler文本挖掘概述
16.1Modeler软件中的文本挖掘理论
16.1.1功能简介
16.1.2文本挖掘节点
16.2Modeler软件中的文本挖掘安装

第17章SPSSModeler文本挖掘节点
17.1FileList节点
17.1.1节点简介
17.1.2节点实例
17.2　WebFeed节点
17.2.1节点简介
17.2.2节点实例
17.3TextMining节点
17.3.1节点简介
17.3.2节点实例
17.4TextLinkAnalysis节点
17.4.1节点简介
17.4.2节点实例
17.5Translate节点
17.5.1节点简介
17.5.2节点实例
17.6FileViewer节点
17.6.1节点简介
17.6.2节点实例

第18章SPSSModeler文本挖掘实例
18.1实例：音乐调查数据的概念模型分析
18.2实例：音乐调查数据的文本类别分析
附录A配置SQLServerODBC数据源