数据分析与挖掘利器

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

《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。


目录

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

1.3.1  SAS EM    12

1.3.2  SPSS Modeler    13

1.3.3  Intelligent 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

2.2.2  ZF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

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据分析与挖掘 数据分析 SPSS Modeler Intelligent Statistics 回归分析 读者 书籍 网络

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
1.3.1  SAS EM    12
1.3.2  SPSS Modeler    13
1.3.3  Intelligent 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
14.3.1  Intelligent 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
15.4  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SQL Server ODBC数据源    289
参考文献    294