图书介绍
IBM SPSS Modeler 18.0数据挖掘权威指南PDF|Epub|txt|kindle电子书版本网盘下载
- 张浩彬，周伟珠编著 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115507594
- 出版时间：2019
- 标注页数：456页
- 文件大小：161MB
- 文件页数：468页
- 主题词：统计分析－软件包
PDF下载
下载说明
IBM SPSS Modeler 18.0数据挖掘权威指南PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 IBM SPSS Modeler基本介绍1
1.1 SPSS简介1
1.2 SPSS Modeler的特点1
1.3 CRISP-DM方法论4
1.4 SPSS Modeler下载与安装6
1.5 SPSS Modeler的主界面及基本操作9
1.5.1 主界面介绍9
1.5.2 鼠标基本操作15
1.6 SPSS Modeler连接服务器端15
1.7 从SPSS Modeler中获取帮助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、测量级别和角色）24
2.1.1 变量的存储类型24
2.1.2 变量的测量级别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 数据整理——关于数据的基本设定与集成43
3.1 字段的“类型”功能43
3.2 字段的“过滤器”功能44
3.3 数据集成46
3.3.1 数据的记录集成：追加节点46
3.3.2 数据的字段集成：合并节点49
3.4 实战技巧51
第4章 数据整理——关于行的处理53
4.1 数据“选择”功能53
4.1.1 功能介绍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功能56
4.2.1 参数功能56
4.2.2 使用参数实例介绍57
4.2.3 使用全局变量功能介绍59
4.2.4 使用全局变量实例介绍59
4.3 数据排序62
4.4 数据区分63
4.5 数据汇总68
4.5.1 功能介绍68
4.5.2 实战技巧72
第5章 数据整理——关于列的处理73
5.1 导出73
5.1.1 功能介绍73
5.1.2 实例介绍81
5.2 填充84
5.3 重新分类86
5.4 匿名化89
5.5 分级化92
5.6 设为标志100
5.6.1 功能介绍100
5.6.2 实例介绍100
5.7 重建103
5.7.1 功能介绍103
5.7.2 实例介绍104
5.8 转置107
5.8.1 功能介绍107
5.8.2 实例介绍107
5.9 历史记录109
5.9.1 功能介绍109
5.9.2 实例介绍109
5.10 字段重排113
5.11 时间间隔116
5.11.1 功能介绍116
5.11.2 实例介绍116
5.12 自动数据准备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 多重散点图142
6.1.4 时间散点图143
6.2 “条形图”节点145
6.2.1 简单条形图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149
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：图形的编辑模式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结果169
7.3 缺失值的定义、检查和处理173
7.3.1 缺失值的定义和检查173
7.3.2 缺失值的自动化处理177
7.4 实战技巧182
第8章 常用的统计检验分析184
8.1 两个连续型变量的关系分析——相关分析184
8.1.1 相关分析184
8.1.2 相关分析实践——“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 卡方检验实践——“矩阵”节点190
8.3 连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较193
8.3.2 两组配对样本均值比较194
8.3.3 方差分析194
8.3.4 均值比较实践——“平均值”节点195
8.4 实战技巧：相关分析的注意事项199
第9章 回归分析200
9.1 一元线性回归分析200
9.2 一元线性回归实践203
9.3 多元线性回归分析206
9.4 多元线性回归实践210
9.5 逐步回归分析216
9.6 逐步回归实践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回归实践案例228
10.4 实战技巧237
第11章 建模前的优化及准备工作241
11.1 样本管理与分区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 特征选择247
11.3 数据变换253
11.4 实战技巧：分区与平衡的顺序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 决策树的生长265
13.1.3 决策树的剪枝266
13.2 C5.0算法267
13.2.1 C5.0算法的决策树生长267
13.2.2 C5.0算法的决策树剪枝270
13.2.3 代价敏感学习270
13.2.4 C5.0算法实践案例271
13.3 CART算法277
13.3.1 CART算法的决策树生长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 CART算法实践案例281
13.4 实战技巧287
13.4.1 生成规则集287
13.4.2 跟踪规则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播算法295
14.2.1 隐藏层295
14.2.2 反向传播算法296
14.3 神经网络实践299
14.4 实战技巧：生成“报告”305
第15章 集成学习算法311
15.1 Bagging311
15.2 Boosting312
15.3 随机森林314
15.4 集成学习算法实践314
15.4.1 Bagging和Boosting实践315
15.4.2 随机森林实践320
15.4.3 各个集成学习算法的结果比较324
15.5 异质集成——“整体”节点325
第16章 聚类分析330
16.1 聚类方法概述330
16.2 聚类方法的关键：距离330
16.3 K-means算法331
16.3.1 K-means算法原理331
16.3.2 K-means的其他注意事项332
16.4 K-means聚类实践335
16.5 实践技巧：使用平行图进行比较分析341
第17章 KNN分类器343
17.1 KNN学习方法原理343
17.2 KNN分类实践345
17.2.1 分类预测346
17.2.2 最近邻识别353
第18章 关联分析356
18.1 关联分析的基本概念356
18.2 关联规则的有效性指标357
18.2.1 关联规则的基础评价性指标358
18.2.2 关联规则的实用性指标359
18.2.3 其他的关联规则评估指标360
18.3 Apriori算法361
18.3.1 生成频繁项集361
18.3.2 生成关联规则362
18.4 Apriori关联分析实践363
18.5 实战技巧：导出生成的关联规则367
第19章 自动建模368
19.1 自动分类368
19.1.1 功能介绍368
19.1.2 实例介绍368
19.2 自动聚类375
19.2.1 功能介绍375
19.2.2 实例介绍376
19.3 自动数值381
19.3.1 功能介绍381
19.3.2 实例介绍381
第20章 蒙特卡罗模拟法386
20.1 模拟生成386
20.1.1 功能介绍386
20.1.2 实例介绍389
20.2 模拟拟合393
20.2.1 功能介绍393
20.2.2 实例介绍394
20.3 模拟求值396
20.3.1 功能介绍396
20.3.2 实例介绍396
第21章 SPSS Modeler的集成与扩展404
21.1 SPSS Modeler与R、 Python集成404
21.1.1 概述404
21.1.2 SPSS Modeler与R的集成环境准备404
21.1.3 与R的集成功能介绍407
21.1.4 实例介绍408
21.2 定制对话框实现与R、 Python的集成416
21.2.1 定制对话框简介416
21.2.2 安装配置自定义节点422
21.3 SPSS Modeler扩展功能422
21.3.1 功能介绍422
21.3.2 获取天气数据的应用分析案例425
第22章 SPSS Modeler模型部署434
22.1 产品架构434
22.2 通过批处理任务定时运行模型435
22.2.1 功能介绍435
22.2.2 实例介绍436
22.3 SPSS Modeler服务器安装及管理（For Linux）438
22.3.1 正常维护SPSS Modeler服务器438
22.3.2 SPSS Modeler服务器如何在Linux上安装及配置439
22.3.3 配置ODBC连接数据库440
22.4 SPSS Modeler官方支持的数据库和Hadoop平台443
第23章 性能优化448
23.1 功能介绍448
23.2 客户端SQL性能优化451
23.3 数据库内建模453
23.3.1 功能介绍453
23.3.2 实例介绍453
23.4 使用外部程序批量加载456