基於SPSS Modeler的數據挖掘 第2版

第1章 數據挖掘和Modeler使用概述
1.1 數據挖掘的產生背景
1.2 什麼是數據挖掘
1.3 Modeler軟件概述
第2章 Modeler的數據讀入和數據集成
2.1 變量類型
2.2 讀入數據
2.3 生成實驗方案
2.4 數據集成
第3章 Modeler的數據理解
3.1 變量說明
3.2 數據質量的評估和調整
3.3 數據的排序
3.4 數據的分類匯總
第4章 Modeler的數據准備
4.1 變量變換
4.2 變量派生
4.3 數據精簡
4.4 數據篩選
4.5 數據准備的其他工作
第5章 Modeler的基本分析
5.1 數值型變量的基本分析
5.2 兩分類型變量相關性的研究
5.3 兩總體的均值比較
5.4 RFM分析
第6章 Modeler的數據精簡
6.1 變量值的離散化處理
6.2 特征選擇
6.3 因子分析
第7章 分類預測：Modeler的決策樹
7.1 決策樹算法概述
7.2 Modeler的C5.0算法及應用
7.3 Modeler的分類回歸樹及應用
7.4 Modeler的CHAID算法及應用
7.5 Modeler的QUEST算法及應用
7.6 模型的對比分析
第8章 分類預測：Modeler的人工神經網絡
8.1 人工神經網絡算法概述
8.2 Modeler的B-P反向傳播網絡
8.3 Modeler的B-P反向傳播網絡的應用
8.4 Modeler的徑向基函數網絡及應用
第9章 分類預測：Modeler的支持向量機
9.1 支持向量分類的基本思路
9.2 支持向量分類的基本原理
9.3 支持向量回歸
9.4 支持向量機的應用
第10章 分類預測：Modeler的貝葉斯網絡
10.1 貝葉斯方法基礎
10.2 貝葉斯網絡概述
10.3 TAN貝葉斯網絡
10.4 馬爾科夫毯網絡
10.5 貝葉斯網絡的應用
第11章 探索內部結構：Modeler的聚類分析
11.1 聚類分析的一般問題
11.2 Modeler的K-Means聚類及應用
11.3 Modeler的兩步聚類及應用
11.4 Modeler的Kohonen網絡聚類及應用
11.5 基於聚類分析的離群點探索
第12章 探索內部結構：Modeler的關聯分析
12.1 簡單關聯規則及其有效性
12.2 Modeler的Apriori算法及應用
12.3 Modeler的序列關聯及應用
參考文獻