SPSS Modeler数据挖掘方法及应用(第4版)

数据挖掘是人工智能和机器学习中最活跃的地 带。SPSS Modeler充分利用计算机系统的运算处理 能力和图形展现能力，将数据挖掘方法、应用与工 具有机地融为一体，成为内容全面、功能强大、操 作友好的数据挖掘软件产品，是大数据分析的理想 工具。 本书以数据挖掘的实践过程为主线，系统介绍 了决策树、人工神经网络、支持向量机、Logistic 回归、判别分析、贝叶斯网络、聚类分析等一系列 经典数据挖掘方法，以及数据整理和降维处理等必 备知识。同时基于案例给出了SPSS Modeler实现的 全过程。讲解方法从易到难，说明问题从浅至深， 软件操作详细全面。 本书力求以通俗的方式阐述数据挖掘方法的核 心思想与基本原理，同时配合SPSS Modeler软件操 作说明。希望读者能够直观理解方法本质，快速掌 握软件使用，并应用到数据挖掘实践中。

第1章 数据挖掘和SPSS Modeler使用概述 1.1 数据挖掘的产生背景 1.1.1 海量大数据的分析需求催生数据挖掘 1.1.2 应用对理论的挑战催生数据挖掘 1.2 什么是数据挖掘 1.2.1 数据挖掘和数据库中的知识发现 1.2.2 数据挖掘方法论 1.2.3 数据挖掘的任务和应用 1.2.4 数据挖掘得到的知识形式 1.2.5 数据挖掘算法的分类 1.3 SPSS Modeler软件概述 1.3.1 SPSS Modeler的数据流 1.3.2 SPSS Modeler的窗口 1.3.3 数据流的基本管理 1.3.4 缓存节点和超节点 1.3.5 从一个示例看SPSS Modeler的使用 第2章 SPSS Modeler的数据读入和数据集成 2.1 变量类型 2.1.1 从数据挖掘角度看变量类型 2.1.2 从计算机存储角度看变量类型 2.2 读入数据 2.2.1 读自由格式的文本文件 2.2.2 读Excel电子表格数据 2.2.3 读SPSS格式文件 2.3 数据集成 2.3.1 数据的纵向合并 2.3.2 数据的横向合并 2.3.3 数据源替换 第3章 SPSS Modeler的数据理解 3.1 变量说明 3.1.1 变量的重新实例化 3.1.2 有效变量值和无效值调整 3.1.3 变量角色的说明 3.2 数据质量的评估和调整 3.2.1 数据的基本特征与质量评价报告 3.2.2 变量值的调整 3.2.3 数据质量管理 3.3 数据的排序 3.3.1 单变量排序 3.3.2 多重排序 3.4 数据的分类汇总 3.4.1 单变量分类汇总 3.4.2 多重分类汇总 第4章 SPSS Modeler的数据准备 4.1 变量变换 4.1.1 CLEM表达式 4.1.2 变量值的重新计算 4.1.3 变量类别值的调整 4.2 变量派生 4.2.1 生成新变量