?

作者：张浩彬? 周伟珠

出版社：人民邮电出版社

出版功夫：2019-04-01

ISBN：9787115507594

?

内容简介

本书是一本以数据挖掘利用为主导，以SPSS Modeler为实际框架的利用指南，内容涵盖数据挖掘步骤论、数据读取、数据处置、数据可视化、统计分析与检验、数据挖掘算法、自动建模、集成与扩大、模型部署以及机能优化等，力求援手读者全面把握数据挖掘项主张重要内容以及实际细节。

?

除了操作层面，本书也尽可能的把晦涩的数据挖掘知识及贸易利用内容以通俗易懂的方式传递给读者，同时全数场景会结合IBM SPSS工具进行实现并提供样例进建，方便读者在进建的同时加深坚韧和理解。

?

若是你在在校学生、刚刚从事数据分析的大学毕业生、数据分析爱好者、市场营销人员、产品运营人员或者数据分析师，若是你想要提升自己的数据挖掘技术，那么就适合阅读本书。

?

目录

?

1章 IBM SPSS Modeler根基介绍 1

1.1 SPSS简介 1

1.2 SPSS Modeler的特点 1

1.3 CRISP-DM步骤论 4

1.4 SPSS Modeler下载与装置 6

1.5 SPSS Modeler的主界面及根基操作 9

1.5.1 主界面介绍 9

1.5.2 鼠标根基操作 15

1.6 SPSS Modeler衔接服务器端 15

1.7 从SPSS Modeler中获取援手 17

1.8 实战技巧 20

?

第2章 数据读取—源节点 24

2.1 数据的身份（存储类型、丈量级别和角色）24

2.1.1 变量的存储类型 24

2.1.2 变量的丈量级别 25

2.1.3 变量的角色 26

2.2 数据读取 26

2.2.1 读取Excel文件数据 27

2.2.2 读取变量文件数据 30

2.2.3 读取SPSS（.sav）文件数据 32

2.2.4 读取数据库数据 36

2.3 实战技巧 40

?

第3章 数据整顿—关于数据的根基设定与集成 43

3.1 字段的“类型”职能 43

3.2 字段的“过滤器”职能 44

3.3 数据集成 46

3.3.1 数据的纪录集成：追加节点 46

3.3.2 数据的字段集成：归并节点 49

3.4 实战技巧 51

?

第4章 数据整顿—关于行的处置 53

4.1 数据“选择”职能 53

4.1.1 职能介绍 53

4.1.2 实战技巧 55

4.2 使用参数及全局变量实现数据选择职能 56

4.2.1 参数职能 56

4.2.2 使用参数事俘介绍 57

4.2.3 使用全局变量职能介绍 59

4.2.4 使用全局变量事俘介绍 59

4.3 数据排序 62

4.4 数据分辨 63

4.5 数据汇总 68

4.5.1职能介绍 68

4.5.2 实战技巧 72

?

第5章 数据整顿—关于列的处置 73

5.1 导出 73

5.1.1 职能介绍 73

5.1.2 事俘介绍 81

5.2 填充 84

5.3 沉新分类 86

5.4 匿名化 89

5.5 分级化 92

5.6 设为标志 100

5.6.1 职能介绍 100

5.6.2 事俘介绍 100

5.7 沉建 103

5.7.1 职能介绍 103

5.7.2 事俘介绍 104

5.8 转置 107

5.8.1 职能介绍 107

5.8.2 事俘介绍 107

5.9 汗青纪录 109

5.9.1 职能介绍 109

5.9.2 事俘介绍 109

5.10 字段沉排 113

5.11 功夫距离 116

5.11.1 职能介绍 116

5.11.2 事俘介绍 116

5.12 自动数据筹备 121

?

第6章 图形可视化—图形节点 128

6.1 “散点图”节点 128

6.1.1 散点图 128

6.1.2 线图 139

6.1.3 多沉散点图 142

6.1.4 功夫散点图 143

6.2 “条形图”节点 145

6.2.1 单一条形图 145

6.2.2 堆积条形图 147

6.3 “直方图”节点 148

6.3.1?直方图 148

6.3.2 堆积直方图 148

6.4 “网络”节点 151

6.5 “图形板”节点 154

6.5.1 气泡图 155

6.5.2 散点图矩阵 156

6.5.3 箱图 157

6.5.4 聚类箱图 159

6.5.5 热图 161

6.6 实战技巧：图形的编纂模式 162

?

第7章 描述性统计分析 164

7.1 描述性统计分析概述 164

7.2 数据审核，一键输出描述性统计分析了局 169

7.3 缺失值的界说、查抄和处置 173

7.3.1 缺失值的界说和查抄 173

7.3.2 缺失值的自动化处置 177

7.4 实战技巧 182

?

第8章 常用的统计检验分析 184

8.1 两个陆续型变量的关系分析—有关分析 184

8.1.1 有关分析 184

8.1.2 有关分析实战—“Statistics”节点 185

8.2 两个分类型变量的关系分析—卡方检验 187

8.2.1 列联表与卡方检验 188

8.2.2 卡方检验实际—“矩阵”节点 190

8.3 陆续型变量与分类型变量间的关系分析—t检验及卡方分析 193

8.3.1 两组独立样本均值比力 193

8.3.2 两组配对样本均值比力 194

8.3.3 方差分析 194

8.3.4 均值比力实际—“均匀值”节点 195

8.4 实战技巧：有关分析确当苦衷项 199

?

第9章 回归分析 200

9.1 一元线性回归分析 200

9.2 一元线性回归实际 203

9.3 多元线性回归分析 206

9.4 多元线性回归实际 210

9.5 逐步回归分析 216

9.6 逐步回归实际 218

9.7 实战技巧 220

?

第10章 Logistic回归分析 222

10.1 Logistic回归理论概要 222

10.2 Logistic回归中的检验 225

10.2.1 方程的显著性检验 225

10.2.2 系数显著性检验 225

10.2.3 拟合优度检验 227

10.3 Logistic回归实际案例 228

10.4 实战技巧 237

?

第11章 建模前的优化及筹备工作 241

11.1 样本治理与分区 241

11.1.1 数据抽样 241

11.1.2 数据分区 244

11.1.3 数据平衡 245

11.2 特点选择 247

11.3 数据变换 253

11.4 实战技巧：分区与平衡的挨次 255

?

第12章 RFM分析 257

?

第13章 决策树 264

13.1 决策树概述 264

13.1.1 决策树的直观理解 264

13.1.2 决策树的成长 265

13.1.3 决策树的剪枝 266

13.2 C5.0算法 267

13.2.1 C5.0算法的决策树成长 267

13.2.2 C5.0算法的决策树剪枝 270

13.2.3 价值敏感进建 270

13.2.4 C5.0算法实际案例 271

13.3 CART算法 277

13.3.1 CART算法的决策树成长 277

13.3.2 CART算法的决策树剪枝 279

13.3.3 先验概率 280

13.3.4 实战技巧 287

13.4 实战技巧 287

13.4.1 天生规定集 287

13.4.2 跟踪规定 289

?

第14章 神经网络 291

14.1 感知机 292

14.2 多层感知机与误差反向传布算法 295

14.2.1 暗藏层 295

14.2.2 反向传布算法 296

14.3 神经网络实战 299

14.4 实战技巧：天生“汇报" 305

?

第15章 集成进建算法 311

15.1 Bagging 311

15.2 Boosting 312

15.3 随机丛林 314

15.4 集成进建算法实际 314

15.4.1 Bagging和Boosting实际315

15.4.2 随机丛林实际 320

15.4.3 各个集成进建算法的了局比力 324

15.5 异质集成—“整体”节点 325

?

第16章 聚类步骤概述 330

16.1 聚类步骤概述 330

16.2 聚类步骤的关键：距离 330

16.3 K-means算法 331

16.3.1 K-means算法道理 331

16.3.2 K-means的其他当苦衷项 332

16.4 K-means聚类实际 335

16.5 实际技巧：使用平行图进行比力分析 341

?

第17章 KNN分类器 343

17.1 KNN进建步骤道理 343

17.2 KNN分类实际 346

17.2.1 分类预测 346

17.2.2 近邻鉴别 353

?

第18章 关联分析 356

18.1 关联分析的根基概想 356

18.2 关联规定的有效性指标 357

18.2.1 关联规定的基础评价性指标 358

18.2.2 关联规定的实用性指标 359

18.2.3 其他的关联规定评估指标 360

18.3 Apriori算法 361

18.3.1 天生频仍项集 361

18.3.2 天生关联规定 362

18.4 Apriori关联分析实际 363

18.5 实战技巧：导诞天生的关联规定 367

?

第19章 自动建模 368

19.1 自动分类 368

19.1.1 职能介绍 368

19.1.2 事俘介绍 368

19.2 自动聚类 375

19.2.1 职能介绍 375

19.2.2 事俘介绍 376

19.3 自动数值 381

19.3.1 职能介绍 381

19.3.2 事俘介绍 381

?

第20章 蒙特卡罗仿照法 386

20.1 仿照天生 386

20.1.1 职能介绍 386

20.1.2 事俘介绍 389

20.2 仿照拟合 393

20.2.1 职能介绍 393

20.2.2 事俘介绍 394

20.3 仿照求值 396

20.3.1 职能介绍 396

20.3.2 事俘介绍 396

?

第21章 SPSS Modeler的集成与扩大 404

21.1 SPSS Modeler与R、Python集成 404

21.1.1 概述 404

21.1.2 SPSS Modeler与R的集成环境正确 404

21.1.3 与R的集成功能介绍 407

21.1.4 事俘介绍 408

21.2 定造对话框实现与R、Python的集成 416

21.2.1 定造对话框简介 416

21.2.2 装置配置自界说节点 422

21.3 SPSS Modeler扩大职能 422

21.3.1 职能介绍 422

21.3.2 获取气象数据的利用分析案例 425

?

第22章 SPSS Modeler模型部署 434

22.1 产品架构 434

22.2 通过批处置工作按时运行模型 435

22.2.1 职能介绍 435

22.2.2 事俘介绍 436

22.3 SPSS Modeler服务器装置及治理（For Linux） 438

22.3.1 正常守护SPSS Modeler服务器 438

22.3.2 SPSS Modeler服务器若何在Linux上装置及配置 439

22.3.3 配置ODBC衔接数据库 440

22.4 SPSS Modeler官方支持的数据库和Hadoop平台 443

?

第23章 机能优化 448

23.1 职能介绍 448

23.2 客户端SQL机能优化 451

23.3 数据库内建模 453

23.3.1 职能介绍 453

23.3.2 事俘介绍 453

23.4 使用表部法式批量加载 456

?

?

?

采办《IBM SPSS Modeler 18.0数据挖掘权威指南》