IBM SPSS Modeler数据与文本挖掘实战PDF电子书下载

第1部分 数据挖掘篇 3

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 政府行业 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

4.2.1 研究方法 104

4.2.2 数据分析 105

4.2.3 研究结论 113

第5章 时间序列 114

5.1 时间序列模型概述 114

5.1.1 模型定义 115

5.1.2 模型应用 115

5.1.3 建模步骤 116

5.2 应用实例：带宽利用率预测 116

5.2.1 研究方法 117

5.2.2 数据分析 117

5.2.3 研究结论 128

第6章 因子分析 129

6.1 因子分析模型概述 129

6.1.1 模型定义 130

6.1.2 模型应用 130

6.1.3 建模步骤 131

6.1.4 注意事项 131

6.2 应用实例：儿童玩具影响因子分析 132

6.2.1 研究方法 132

6.2.2 数据分析 133

6.2.3 研究结论 139

第7章 决策树 140

7.1 决策树模型概述 140

7.1.1 模型定义 141

7.1.2 模型应用 142

7.1.3 建模步骤 143

7.1.4 注意事项 143

7.2 应用实例：电信客户流失分析 144

7.2.1 研究方法 144

7.2.2 数据分析 145

7.2.3 研究结论 153

第8章 判别分析 154

8.1 判别分析模型概述 154

8.1.1 模型定义 155

8.1.2 模型应用 156

8.1.3 建模步骤 156

8.1.4 注意事项 156

8.2 应用实例：电信客户群判别分析 157

8.2.1 研究方法 157

8.2.2 数据分析 158

8.2.3 研究结论 166

第9章 聚类分析 167

9.1 聚类分析模型概述 167

9.1.1 模型定义 168

9.1.2 模型应用 170

9.1.3 建模步骤 173

9.1.4 注意事项 174

9.2 应用实例：药物效果聚类分析 174

9.2.1 研究方法 174

9.2.2 数据分析 175

9.2.3 研究结论 181

第10章 关联分析 182

10.1 关联分析模型概述 182

10.1.1 模型定义 183

10.1.2 模型应用 184

10.1.3 建模步骤 184

10.1.4 注意事项 185

10.2 应用实例：商品关联性分析 185

10.2.1 研究方法 185

10.2.2 数据分析 186

10.2.3 研究结论 193

第11章 人工神经网络 194

11.1 人工神经网络模型概述 194

11.1.1 模型定义 195

11.1.2 模型应用 197

11.1.3 建模步骤 198

11.1.4 注意事项 198

11.2 应用实例：客户流失预测分析 199

11.2.1 研究方法 199

11.2.2 数据分析 200

11.2.3 研究结论 208

第12章 贝叶斯网络 209

12.1 贝叶斯网络模型概述 209

12.1.1 模型定义 210

12.1.2 模型应用 211

12.1.3 建模步骤 211

12.1.4 注意事项 212

12.2 应用实例：贷款风险预测 212

12.2.1 研究方法 212

12.2.2 数据分析 212

12.2.3 研究结论 219

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 230

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SQLServer ODBC数据源 289

参考文献 294