基于Clementine的數(shù)據(jù)挖掘

出版時間:2012-3  出版社:中國人民大學(xué)  作者:薛薇//陳歡歌  頁數(shù):467  
Tag標(biāo)簽:無  

內(nèi)容概要

  數(shù)據(jù)挖掘這種新的商業(yè)信息處理技術(shù),其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析和其他模式化的處理,從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。clementine軟件以其卓越的運算處理能力和圖形展現(xiàn)能力、優(yōu)秀的算法、行之有效的統(tǒng)計分析方法成為解決數(shù)據(jù)挖掘問題的理想工具。
  作者基于長期從事計算機數(shù)據(jù)分析教學(xué)與科研工作的經(jīng)驗編寫了本書,在編寫過程中體現(xiàn)出以下特色:
  
·以數(shù)據(jù)挖掘過程為線索介紹clementine軟件。本書以數(shù)據(jù)挖掘的實踐過程為主線,從clementine數(shù)據(jù)管理入手,說明問題從淺至深,講解方法從易到難。這樣,能使讀者在較短時間內(nèi)掌握clementine的基本功能和一般方法,并可迅速運用到實際工作中。
  
·數(shù)據(jù)挖掘方法、軟件操作、案例分析的有機結(jié)合。配合實際案例,側(cè)重數(shù)據(jù)挖掘方法核心思想和基本原理的闡述,使得讀者可以直觀理解方法,并正確掌握方法的應(yīng)用范圍。
  
·數(shù)據(jù)挖掘方法講解全面,語言通俗。本書對clementine的數(shù)據(jù)挖掘算法進行了全面分析和應(yīng)用,內(nèi)容力求豐富翔實。同時使用通俗的語言和示例講述算法,盡量避免使用公式和推導(dǎo)堆砌算法。

作者簡介

  ·薛薇,工學(xué)碩士、經(jīng)濟學(xué)博士,中國人民大學(xué)應(yīng)用統(tǒng)計學(xué)科研究中心副主任,中國人民大學(xué)統(tǒng)計學(xué)院副教授。關(guān)注數(shù)據(jù)挖掘及統(tǒng)計分析方法、統(tǒng)計和數(shù)據(jù)挖掘軟件應(yīng)用、統(tǒng)計數(shù)據(jù)庫系統(tǒng)研發(fā)等方面,涉足網(wǎng)絡(luò)新媒體傳播和互動模式建模、政府和官方微博分析、學(xué)科學(xué)術(shù)熱點跟蹤等文本挖掘和統(tǒng)計應(yīng)用領(lǐng)域,以及以數(shù)據(jù)挖掘為依托的客戶關(guān)系管理等。主要著作:《SPSS統(tǒng)計分析方法及應(yīng)用》、《C1ementine數(shù)據(jù)挖掘方法及應(yīng)用》、《基于信息技術(shù)的統(tǒng)計信息系統(tǒng)》。

書籍目錄

第1章 數(shù)據(jù)挖掘和clementine使用概述
 1.1數(shù)據(jù)挖掘的產(chǎn)生背景
 1.2什么是數(shù)據(jù)挖掘
 1.3clementine軟件概述
第2章 clementine的數(shù)據(jù)讀入和數(shù)據(jù)集成
 2.1變量類型
 2.2讀人數(shù)據(jù)
 2.3生成實驗方案
 2.4數(shù)據(jù)集成
第3章 clementine的數(shù)據(jù)理解
 3.1變量說明
 3.2數(shù)據(jù)質(zhì)量的評估和調(diào)整
 3.3數(shù)據(jù)的排序
 3.4數(shù)據(jù)的分類匯總
 3.5用戶報表
第4章 clementine的數(shù)據(jù)準(zhǔn)備
 4.1變量變換
 4.2變量派生
 4.3數(shù)據(jù)精簡
 4.4數(shù)據(jù)篩選
 4.5數(shù)據(jù)準(zhǔn)備的其他工作
第5章 clementine的基本分析
 5.1數(shù)值型變量的基本分析
 5.2兩分類型變量相關(guān)性的研究
 5.3兩總體的均值比較
 5.4rfm分析
第6章 clementine的數(shù)據(jù)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(yù)測:clementine的決策樹
 7.1決策樹算法概述
 7.2clementine的c5.0算法及應(yīng)用
 7.3clementine的分類回歸樹及應(yīng)用
 7.4clementine的chaid算法及應(yīng)用
 7.5clementine的quest算法及應(yīng)用
 7.6模型的對比分析
第8章 分類預(yù)測:clementine的人工神經(jīng)網(wǎng)絡(luò)
 8.1人工神經(jīng)網(wǎng)絡(luò)算法概述
 8.2clementine的b-p反向傳播網(wǎng)絡(luò)
 8.3clementine的b-p反向傳播網(wǎng)絡(luò)的應(yīng)用
 8.4clementine的徑向基函數(shù)網(wǎng)絡(luò)及應(yīng)用
第9章 分類預(yù)測:clementine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(yīng)用
第10章 分類預(yù)測:clementine的logistic回歸分析
 10.1logistic回歸分析概述
 10.2二項logistic回歸分析
 10.3二項logistic回歸分析的應(yīng)用
 10.4多項logistic回歸分析及應(yīng)用
第11章 分類預(yù)測:clementine的判別分析
 11.1距離判別法
 11.2fisher判別法
 11.3貝葉斯判別法
 11.4判別分析的應(yīng)用
第12章 分類預(yù)測:clementine的貝葉斯網(wǎng)絡(luò)
 12.1貝葉斯方法基礎(chǔ)
 12.2貝葉斯網(wǎng)絡(luò)概述
 12.3tan貝葉斯網(wǎng)絡(luò)
 12.4馬爾科夫毯網(wǎng)絡(luò)
 12.5貝葉斯網(wǎng)絡(luò)的應(yīng)用
第13章 探索內(nèi)部結(jié)構(gòu):clementine的聚類分析
 13.1聚類分析的一般問題
 13.2clementine的k-means聚類及應(yīng)用
 13.3clementine的兩步聚類及應(yīng)用
 13.4clementine的kohonen網(wǎng)絡(luò)聚類及應(yīng)用
 13.5基于聚類分析的離群點探索
第14章 探索內(nèi)部結(jié)構(gòu):clementine的關(guān)聯(lián)分析
 14.1簡單關(guān)聯(lián)規(guī)則及其有效性
 14.2clementine的apriori算法及應(yīng)用
 14.3clementine的gri算法及應(yīng)用
 14.4clementine的序列關(guān)聯(lián)及應(yīng)用
參考文獻

章節(jié)摘錄

版權(quán)頁:第一章 數(shù)據(jù)挖掘和Clementine使用概述20世紀(jì)90年代中后期以來,數(shù)據(jù)挖掘作為具有鮮明跨學(xué)科色彩的應(yīng)用研究領(lǐng)域,已成為眾多行業(yè)數(shù)據(jù)分析者矚目的焦點。數(shù)據(jù)挖掘是一個利用各種方法,從海量數(shù)據(jù)中提取隱含和潛在的對決策有用的信息和模式的過程。因具有處理和分析海量數(shù)據(jù)的能力,注重弱化分析方法本身對數(shù)據(jù)的限制,以滿足數(shù)據(jù)建模的合理性和適應(yīng)性,強調(diào)與計算機技術(shù)相結(jié)合,以實現(xiàn)數(shù)據(jù)分析的可操作性和可實現(xiàn)性,數(shù)據(jù)挖掘正逐步成為數(shù)據(jù)分析應(yīng)用實踐的新生代和領(lǐng)軍者。同時,隨著數(shù)據(jù)挖掘方法的不斷成熟及其應(yīng)用的日益普及,數(shù)據(jù)挖掘軟件的研發(fā)也取得了可喜的成果。目前,以SPSSClementine為代表的數(shù)據(jù)挖掘軟件,已行之有效地將束之高閣的數(shù)據(jù)挖掘理論成果解放到數(shù)據(jù)分析實踐中,并普遍應(yīng)用于商業(yè)、社會、經(jīng)濟、教育、金融、醫(yī)學(xué)等領(lǐng)域,成為數(shù)據(jù)分析的主流工具。1.1 數(shù)據(jù)挖掘的產(chǎn)生背景數(shù)據(jù)挖掘是在計算機數(shù)據(jù)庫技術(shù)蓬勃發(fā)展、人工智能技術(shù)應(yīng)用領(lǐng)域不斷拓展、統(tǒng)計分析方法不斷豐富發(fā)展的進程中,有效迎合數(shù)據(jù)分析的實際需求而逐步形成和發(fā)展起來的具有鮮明跨學(xué)科色彩的應(yīng)用研究領(lǐng)域。1.1.1 海盆數(shù)據(jù)的分析需求催生數(shù)據(jù)挖掘20世紀(jì)80年代以來,隨著計算機數(shù)據(jù)庫技術(shù)和產(chǎn)品的日益成熟以及計算機應(yīng)用的普及和深化,各行業(yè)部門的數(shù)據(jù)采集能力得到了前所未有的提高。各組織通過其內(nèi)部的業(yè)務(wù)處理系統(tǒng)、管理信息系統(tǒng)以及外部網(wǎng)絡(luò)系統(tǒng),獲得并積累了浩如煙海的數(shù)據(jù)。

編輯推薦

《基于Clementine的數(shù)據(jù)挖掘》適合于從事數(shù)據(jù)分析的各應(yīng)用領(lǐng)域的讀者,尤其適合于商業(yè)銷售、財會金融、證券保險、經(jīng)濟管理、社會研究、人文教育等行業(yè)的相關(guān)人員。同時,也能夠作為高等院校計算機類、財經(jīng)類、管理類專業(yè)本科生和研究生的數(shù)據(jù)挖掘教材。

圖書封面

圖書標(biāo)簽Tags

評論、評分、閱讀與下載


    基于Clementine的數(shù)據(jù)挖掘 PDF格式下載


用戶評論 (總計26條)

 
 

  •   很實用的教材,現(xiàn)在正在學(xué)習(xí),學(xué)統(tǒng)計的一定要會
  •   一直在找SPSS關(guān)于Modeler方面的應(yīng)用書籍,網(wǎng)上都沒有,今天看圖書推薦,總算找到了,一看出版時間也是剛出版的,覺得是自己要找的那本書,很不錯,推薦給朋友
  •   對我寫論文很有幫助,支持向量機的應(yīng)用應(yīng)該是現(xiàn)在挺新的一個內(nèi)容
  •   書內(nèi)有詳細(xì)的操作過程,不錯。
  •   講解很細(xì)致,不錯,適合初學(xué)者
  •   書應(yīng)該很不錯,因為是我們上課的參考書,剛買回來,具體內(nèi)容還沒有看,但是質(zhì)量確實不錯,而且發(fā)貨的時間很準(zhǔn)確,很好!
  •   非常有用,也很好懂,很好學(xué)
  •   快遞速度很快,書很不錯。
  •   實用,正在看,相信會有收獲的
  •   專業(yè)課的書~很好
  •   正版不用說,書還不錯
  •   看了幾頁,很詳細(xì),并且易懂,比科學(xué)出版社的書強多了
  •   還不錯的一本書,傻瓜式操作,要是想搞清各種數(shù)據(jù)挖掘算法原理的話,不推薦這本書。
  •   主要是Clementine各個節(jié)點的中文使用說明,附帶一些案例,比較適合有一定統(tǒng)計學(xué)基礎(chǔ),而又是剛剛接觸Clementine的人
  •   老師推薦的參考書,如果沒人教的話,用這本書自學(xué)很不錯的。
  •   很實用的一本書,先看看
  •   簡單翻了下,感覺基本上還行,在對應(yīng)網(wǎng)站上提供了教材的例子數(shù)據(jù)
  •   先是網(wǎng)上找不到數(shù)據(jù),然后終于上傳數(shù)據(jù)了,只有通過教師資格才能下載,可是書里前言部分壓根沒說。額,沒誠信。沒有數(shù)據(jù)怎么練習(xí)?
  •   可以用了,其他的就不用想了
  •   還不錯,但是老版本的clementine和現(xiàn)在的版本還確實是有些差別
  •   這本書很好 很值得擁有 亞馬遜的快遞也很給力
  •   比較詳細(xì),適合入門,很不錯
  •   告訴你spss的基本使用,感覺有點象說明書的翻譯,還算詳細(xì)
  •   有實例,有數(shù)據(jù)可供學(xué)習(xí)演練
  •   有理論有操作演示,非常好的入門書!
  •   書的質(zhì)量不錯,亞馬遜送貨人員的態(tài)度非常好,希望以后不要用其他的快遞公司,尤其是小紅帽
 

250萬本中文圖書簡介、評論、評分,PDF格式免費下載。 第一圖書網(wǎng) 手機版

京ICP備13047387號-7