IBM SPSS Modeler数据与文本挖掘实战-经管之家官网！

IBM SPSS Modeler数据与文本挖掘实战
图书简介：
本书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SPSS Modeler中大部分节点的使用方法及应用步骤。
本书与同类书籍相比，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SPSS Modeler的基本操作，并通过系统的案例使读者掌握应用技巧。
本书对于高校理工学科、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。
第1部分数据挖掘篇
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OLAP 9
1.2.4数据挖掘和Web挖掘 10
1.3常用的数据挖掘软件 11
1.3.1SAS EM 12
1.3.2SPSS Modeler 13
1.3.3Intelligent Miner 13
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
2.2.2ZF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
3.1.4SAS文件 76
3.1.5Statistics文件 77
3.1.6Excel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
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
14.3.1Intelligent Miner 233
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
15.4KNN文本分类算法 245
15.4.1KNN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
16.1Modeler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
16.2Modeler软件中的文本挖掘安装 253
第17章SPSS Modeler文本挖掘节点 258
17.1File 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
17.3Text Mining节点 265
17.3.1节点简介 265
17.3.2节点实例 269
17.4Text Link Analysis节点 271
17.4.1节点简介 271
17.4.2节点实例 272
17.5Translate节点 274
17.5.1节点简介 274
17.5.2节点实例 275
17.6File 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SQL Server ODBC数据源 289
参考文献 294