IBM SPSS Modeler數(shù)據(jù)與文本挖掘?qū)崙?zhàn)

定　價：￥55.00

作　者：	王國平，郭偉宸，汪若君著
出版社：	清華大學(xué)出版社
叢編項：
標　簽：	計算機/網(wǎng)絡(luò) 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787302372127	出版時間：	2014-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	295	字數(shù)：

內(nèi)容簡介

　　《IBMSPSSModeler數(shù)據(jù)與文本挖掘?qū)崙?zhàn)》主要包括兩部分內(nèi)容：在數(shù)據(jù)挖掘部分，重點介紹了各種數(shù)據(jù)挖掘方法的基本原理及應(yīng)用，包括回歸分析、時間序列分析、因子分析、決策樹分析、判別分析、聚類分析、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)以及社交網(wǎng)絡(luò)分析等；在文本挖掘部分，重點介紹了文本挖掘的節(jié)點，以及具體的實現(xiàn)過程。每一章都詳細介紹了數(shù)據(jù)和文本挖掘的基本原理和分析過程，同時在實例中也介紹了SPSSModeler中大部分節(jié)點的使用方法及應(yīng)用步驟?！禝BMSPSSModeler數(shù)據(jù)與文本挖掘?qū)崙?zhàn)》與同類書籍相比，安排了較多的實例，使讀者能夠邊學(xué)邊練，在短時間內(nèi)就可以有一個較大的提高，方便讀者熟悉SPSSModeler的基本操作，并通過系統(tǒng)的案例使讀者掌握應(yīng)用技巧?！禝BMSPSSModeler數(shù)據(jù)與文本挖掘?qū)崙?zhàn)》對于高校理工學(xué)科、經(jīng)濟金融學(xué)科及數(shù)量分析方面的學(xué)生，以及數(shù)據(jù)挖掘和分析方面的研究人員和從業(yè)人員等，具有很強的可讀性、可操作性與可使用性，尤其適合商業(yè)銷售、經(jīng)濟管理、社會研究和人文教育等行業(yè)的相關(guān)人員閱讀。

作者簡介

　　畢業(yè)于上海海洋大學(xué)，碩士，就職于上海大智慧股份有限公司，從事金融數(shù)據(jù)研究、金融產(chǎn)品設(shè)計工作，有多年的數(shù)據(jù)挖掘與分析以及行業(yè)案例實踐經(jīng)驗。本書是首本著作，是在實踐工作中的經(jīng)驗分享。

圖書目錄

第1部分數(shù)據(jù)挖掘篇
第1章數(shù)據(jù)挖掘概述
1.1 什么是數(shù)據(jù)挖掘
1.1.1 數(shù)據(jù)挖掘的定義
1.1.2 數(shù)據(jù)挖掘的發(fā)展階段
1.1.3 數(shù)據(jù)挖掘的技術(shù)特征
1.2 與傳統(tǒng)技術(shù)的比較
1.2.1 數(shù)據(jù)挖掘和統(tǒng)計分析
1.2.2 數(shù)據(jù)挖掘和數(shù)據(jù)倉庫
1.2.3 數(shù)據(jù)挖掘和OLAP
1.2.4 數(shù)據(jù)挖掘和Web挖掘
1.3 常用的數(shù)據(jù)挖掘軟件
1.3.1 SAS EM
1.3.2 SPSS Modeler
1.3.3 Intelligent Miner
1.4 應(yīng)用實例：目標客戶分析
1.4.1 研究方法
1.4.2 數(shù)據(jù)分析
1.4.3 研究結(jié)論
第2章 SPSS Modeler軟件概述
2.1 軟件簡介
2.1.1 軟件發(fā)展
2.1.2 軟件界面
2.1.3 軟件特點
2.1.4 軟件功能
2.1.5 軟件算法
2.1.6 高級功能
2.1.7 軟件安裝
2.2 行業(yè)應(yīng)用
2.2.1 通信行業(yè)
2.2.2 政府行業(yè)
2.2.3 金融行業(yè)
2.2.4 制造行業(yè)
2.2.5 醫(yī)藥行業(yè)
2.2.6 教育科研
2.2.7 市場調(diào)研
2.2.8 連鎖零售
2.3 數(shù)據(jù)挖掘流程
2.3.1 業(yè)務(wù)理解
2.3.2 數(shù)據(jù)理解
2.3.3 數(shù)據(jù)準備
2.3.4 建立模型
2.3.5 評估模型
2.3.6 應(yīng)用模型
2.4 應(yīng)用實例：藥物效果研究
2.4.1 研究方法
2.4.2 數(shù)據(jù)分析
2.4.3 研究結(jié)論
第3章 SPSS Modeler基礎(chǔ)操作
3.1 數(shù)據(jù)輸入
3.1.1 數(shù)據(jù)庫
3.1.2 可變文件
3.1.3 固定文件
3.1.4 SAS文件
3.1.5 Statistics文件
3.1.6 Excel文件
3.2 數(shù)據(jù)流操作
3.2.1 生成數(shù)據(jù)流
3.2.2 添加和刪除節(jié)點
3.2.3 連接數(shù)據(jù)流
3.2.4 修改連接節(jié)點
3.2.5 執(zhí)行數(shù)據(jù)流
3.3 圖形制作
3.3.1 散點圖
3.3.2 直方圖
3.3.3 網(wǎng)絡(luò)圖
3.3.4 評估圖
3.4 應(yīng)用實例：產(chǎn)品銷售預(yù)測
3.4.1 研究方法
3.4.2 數(shù)據(jù)分析
3.4.3 研究結(jié)論
第4章回歸分析
4.1 回歸分析模型概述
4.1.1 模型定義
4.1.2 模型應(yīng)用
4.1.3 建模步驟
4.1.4 注意事項
4.2 應(yīng)用實例：客戶流失因素分析
4.2.1 研究方法
4.2.2 數(shù)據(jù)分析
4.2.3 研究結(jié)論
第5章時間序列
5.1 時間序列模型概述
5.1.1 模型定義
5.1.2 模型應(yīng)用
5.1.3 建模步驟
5.2 應(yīng)用實例：帶寬利用率預(yù)測
5.2.1 研究方法
5.2.2 數(shù)據(jù)分析
5.2.3 研究結(jié)論
第6章因子分析
6.1 因子分析模型概述
6.1.1 模型定義
6.1.2 模型應(yīng)用
6.1.3 建模步驟
6.1.4 注意事項
6.2 應(yīng)用實例：兒童玩具影響因子分析
6.2.1 研究方法
6.2.2 數(shù)據(jù)分析
6.2.3 研究結(jié)論
第7章決策樹
7.1 決策樹模型概述
7.1.1 模型定義
7.1.2 模型應(yīng)用
7.1.3 建模步驟
7.1.4 注意事項
7.2 應(yīng)用實例：電信客戶流失分析
7.2.1 研究方法
7.2.2 數(shù)據(jù)分析
7.2.3 研究結(jié)論
第8章判別分析
8.1 判別分析模型概述
8.1.1 模型定義
8.1.2 模型應(yīng)用
8.1.3 建模步驟
8.1.4 注意事項
8.2 應(yīng)用實例：電信客戶群判別分析
8.2.1 研究方法
8.2.2 數(shù)據(jù)分析
8.2.3 研究結(jié)論
第9章聚類分析
9.1 聚類分析模型概述
9.1.1 模型定義
9.1.2 模型應(yīng)用
9.1.3 建模步驟
9.1.4 注意事項
9.2 應(yīng)用實例：藥物效果聚類分析
9.2.1 研究方法
9.2.2 數(shù)據(jù)分析
9.2.3 研究結(jié)論
第10章關(guān)聯(lián)分析
10.1 關(guān)聯(lián)分析模型概述
10.1.1 模型定義
10.1.2 模型應(yīng)用
10.1.3 建模步驟
10.1.4 注意事項
10.2 應(yīng)用實例：商品關(guān)聯(lián)性分析
10.2.1 研究方法
10.2.2 數(shù)據(jù)分析
10.2.3 研究結(jié)論
第11章人工神經(jīng)網(wǎng)絡(luò)
11.1 人工神經(jīng)網(wǎng)絡(luò)模型概述
11.1.1 模型定義
11.1.2 模型應(yīng)用
11.1.3 建模步驟
11.1.4 注意事項
11.2 應(yīng)用實例：客戶流失預(yù)測分析
11.2.1 研究方法
11.2.2 數(shù)據(jù)分析
11.2.3 研究結(jié)論
第12章貝葉斯網(wǎng)絡(luò)
12.1 貝葉斯網(wǎng)絡(luò)模型概述
12.1.1 模型定義
12.1.2 模型應(yīng)用
12.1.3 建模步驟
12.1.4 注意事項
12.2 應(yīng)用實例：貸款風(fēng)險預(yù)測
12.2.1 研究方法
12.2.2 數(shù)據(jù)分析
12.2.3 研究結(jié)論
第13章社交網(wǎng)絡(luò)分析
13.1 社交網(wǎng)絡(luò)分析模型概述
13.1.1 模型定義
13.1.2 模型應(yīng)用
13.1.3 建模步驟
13.1.4 注意事項
13.2 應(yīng)用實例：客戶流失預(yù)警分析
13.2.1 研究方法
13.2.2 數(shù)據(jù)分析
13.2.3 研究結(jié)論
第2部分文本挖掘篇
第14章文本挖掘概述
14.1 什么是文本挖掘
14.2 文本挖掘的研究現(xiàn)狀
14.3 文本挖掘軟件簡介
14.3.1 Intelligent Miner
14.3.2 北大方正智思
第15章文本挖掘算法
15.1 特征選擇文本分類算法
15.1.1 文本特征表示
15.1.2 文檔預(yù)處理
15.1.3 文檔特征選擇
15.2 支持向量機文本分類算法
15.2.1 文檔特征的表示
15.2.2 文本特征的提取
15.2.3 文檔的相似度
15.2.4 支持向量機算法
15.3 樸素貝葉斯文本分類算法
15.3.1 貝葉斯公式
15.3.2 貝葉斯定理的應(yīng)用
15.3.3 樸素貝葉斯分類器
15.3.4 樸素貝葉斯文本分類算法
15.4 KNN文本分類算法
15.4.1 KNN文本分類算法概述
15.4.2 基于統(tǒng)計的KNN文本分類算法
15.4.3 基于LSA降維的KNN文本分類算法
第16章 SPSS Modeler文本挖掘概述
16.1 Modeler軟件中的文本挖掘理論
16.1.1 功能簡介
16.1.2 文本挖掘節(jié)點
16.2 Modeler軟件中的文本挖掘安裝
第17章 SPSS Modeler文本挖掘節(jié)點
17.1 File List節(jié)點
17.1.1 節(jié)點簡介
17.1.2 節(jié)點實例
17.2　 Web Feed節(jié)點
17.2.1 節(jié)點簡介
17.2.2 節(jié)點實例
17.3 Text Mining節(jié)點
17.3.1 節(jié)點簡介
17.3.2 節(jié)點實例
17.4 Text Link Analysis節(jié)點
17.4.1 節(jié)點簡介
17.4.2 節(jié)點實例
17.5 Translate節(jié)點
17.5.1 節(jié)點簡介
17.5.2 節(jié)點實例
17.6 File Viewer節(jié)點
17.6.1 節(jié)點簡介
17.6.2 節(jié)點實例
第18章 SPSS Modeler文本挖掘?qū)嵗?br />18.1 實例：音樂調(diào)查數(shù)據(jù)的概念模型分析
18.2 實例：音樂調(diào)查數(shù)據(jù)的文本類別分析
附錄A 配置SQL Server ODBC數(shù)據(jù)源