图书介绍
IBM SPSS Modeler数据与文本挖掘实战PDF|Epub|txt|kindle电子书版本网盘下载
- 王国平，郭伟宸，汪若君编著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302372127
- 出版时间：2014
- 标注页数：295页
- 文件大小：48MB
- 文件页数：309页
- 主题词：统计分析－软件包
PDF下载
下载说明
IBM SPSS Modeler数据与文本挖掘实战PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1部分 数据挖掘篇3
第1章 数据挖掘概述3
1.1 什么是数据挖掘3
1.1.1 数据挖掘的定义4
1.1.2 数据挖掘的发展阶段5
1.1.3 数据挖掘的技术特征6
1.2 与传统技术的比较8
1.2.1 数据挖掘和统计分析8
1.2.2 数据挖掘和数据仓库8
1.2.3 数据挖掘和OLAP9
1.2.4 数据挖掘和Web挖掘10
1.3 常用的数据挖掘软件11
1.3.1 SAS EM12
1.3.2 SPSS Modeler13
1.3.3 Intelligent Miner13
1.4 应用实例：目标客户分析15
1.4.1 研究方法15
1.4.2 数据分析15
1.4.3 研究结论26
第2章 SPSS Modeler软件概述27
2.1 软件简介27
2.1.1 软件发展28
2.1.2 软件界面30
2.1.3 软件特点35
2.1.4 软件功能37
2.1.5 软件算法39
2.1.6 高级功能41
2.1.7 软件安装42
2.2 行业应用50
2.2.1 通信行业50
2.2.2 政府行业52
2.2.3 金融行业53
2.2.4 制造行业54
2.2.5 医药行业56
2.2.6 教育科研56
2.2.7 市场调研57
2.2.8 连锁零售57
2.3 数据挖掘流程58
2.3.1 业务理解58
2.3.2 数据理解59
2.3.3 数据准备60
2.3.4 建立模型61
2.3.5 评估模型61
2.3.6 应用模型62
2.4 应用实例：药物效果研究62
2.4.1 研究方法63
2.4.2 数据分析63
2.4.3 研究结论69
第3章 SPSS Modeler基础操作70
3.1 数据输入70
3.1.1 数据库71
3.1.2 可变文件73
3.1.3 固定文件75
3.1.4 SAS文件76
3.1.5 Statistics文件77
3.1.6 Excel文件77
3.2 数据流操作78
3.2.1 生成数据流78
3.2.2 添加和删除节点79
3.2.3 连接数据流79
3.2.4 修改连接节点80
3.2.5 执行数据流81
3.3 图形制作82
3.3.1 散点图82
3.3.2 直方图84
3.3.3 网络图85
3.3.4 评估图87
3.4 应用实例：产品销售预测88
3.4.1 研究方法88
3.4.2 数据分析88
3.4.3 研究结论99
第4章 回归分析100
4.1 回归分析模型概述100
4.1.1 模型定义101
4.1.2 模型应用102
4.1.3 建模步骤103
4.1.4 注意事项103
4.2 应用实例：客户流失因素分析104
4.2.1 研究方法104
4.2.2 数据分析105
4.2.3 研究结论113
第5章 时间序列114
5.1 时间序列模型概述114
5.1.1 模型定义115
5.1.2 模型应用115
5.1.3 建模步骤116
5.2 应用实例：带宽利用率预测116
5.2.1 研究方法117
5.2.2 数据分析117
5.2.3 研究结论128
第6章 因子分析129
6.1 因子分析模型概述129
6.1.1 模型定义130
6.1.2 模型应用130
6.1.3 建模步骤131
6.1.4 注意事项131
6.2 应用实例：儿童玩具影响因子分析132
6.2.1 研究方法132
6.2.2 数据分析133
6.2.3 研究结论139
第7章 决策树140
7.1 决策树模型概述140
7.1.1 模型定义141
7.1.2 模型应用142
7.1.3 建模步骤143
7.1.4 注意事项143
7.2 应用实例：电信客户流失分析144
7.2.1 研究方法144
7.2.2 数据分析145
7.2.3 研究结论153
第8章 判别分析154
8.1 判别分析模型概述154
8.1.1 模型定义155
8.1.2 模型应用156
8.1.3 建模步骤156
8.1.4 注意事项156
8.2 应用实例：电信客户群判别分析157
8.2.1 研究方法157
8.2.2 数据分析158
8.2.3 研究结论166
第9章 聚类分析167
9.1 聚类分析模型概述167
9.1.1 模型定义168
9.1.2 模型应用170
9.1.3 建模步骤173
9.1.4 注意事项174
9.2 应用实例：药物效果聚类分析174
9.2.1 研究方法174
9.2.2 数据分析175
9.2.3 研究结论181
第10章 关联分析182
10.1 关联分析模型概述182
10.1.1 模型定义183
10.1.2 模型应用184
10.1.3 建模步骤184
10.1.4 注意事项185
10.2 应用实例：商品关联性分析185
10.2.1 研究方法185
10.2.2 数据分析186
10.2.3 研究结论193
第11章 人工神经网络194
11.1 人工神经网络模型概述194
11.1.1 模型定义195
11.1.2 模型应用197
11.1.3 建模步骤198
11.1.4 注意事项198
11.2 应用实例：客户流失预测分析199
11.2.1 研究方法199
11.2.2 数据分析200
11.2.3 研究结论208
第12章 贝叶斯网络209
12.1 贝叶斯网络模型概述209
12.1.1 模型定义210
12.1.2 模型应用211
12.1.3 建模步骤211
12.1.4 注意事项212
12.2 应用实例：贷款风险预测212
12.2.1 研究方法212
12.2.2 数据分析212
12.2.3 研究结论219
第13章 社交网络分析220
13.1 社交网络分析模型概述220
13.1.1 模型定义221
13.1.2 模型应用222
13.1.3 建模步骤223
13.1.4 注意事项224
13.2 应用实例：客户流失预警分析224
13.2.1 研究方法225
13.2.2 数据分析225
13.2.3 研究结论228
第2部分 文本挖掘篇230
第14章 文本挖掘概述230
14.1 什么是文本挖掘231
14.2 文本挖掘的研究现状232
14.3 文本挖掘软件简介233
14.3.1 Intelligent Miner233
14.3.2 北大方正智思233
第15章 文本挖掘算法235
15.1 特征选择文本分类算法236
15.1.1 文本特征表示236
15.1.2 文档预处理236
15.1.3 文档特征选择237
15.2 支持向量机文本分类算法239
15.2.1 文档特征的表示239
15.2.2 文本特征的提取240
15.2.3 文档的相似度240
15.2.4 支持向量机算法241
15.3 朴素贝叶斯文本分类算法242
15.3.1 贝叶斯公式242
15.3.2 贝叶斯定理的应用242
15.3.3 朴素贝叶斯分类器243
15.3.4 朴素贝叶斯文本分类算法244
15.4 KNN文本分类算法245
15.4.1 KNN文本分类算法概述245
15.4.2 基于统计的KNN文本分类算法246
15.4.3 基于LSA降维的KNN文本分类算法248
第16章 SPSS Modeler文本挖掘概述250
16.1 Modeler软件中的文本挖掘理论250
16.1.1 功能简介251
16.1.2 文本挖掘节点252
16.2 Modeler软件中的文本挖掘安装253
第17章 SPSS Modeler文本挖掘节点258
17.1 File List节点259
17.1.1 节点简介259
17.1.2 节点实例260
17.2 Web Feed节点261
17.2.1 节点简介261
17.2.2 节点实例263
17.3 Text Mining节点265
17.3.1 节点简介265
17.3.2 节点实例269
17.4 Text Link Analysis节点271
17.4.1 节点简介271
17.4.2 节点实例272
17.5 Translate节点274
17.5.1 节点简介274
17.5.2 节点实例275
17.6 File Viewer节点277
17.6.1 节点简介277
17.6.2 节点实例278
第18章 SPSS Modeler文本挖掘实例280
18.1 实例：音乐调查数据的概念模型分析280
18.2 实例：音乐调查数据的文本类别分析284
附录A 配置SQLServer ODBC数据源289
参考文献294