Clementine數據挖掘方法及套用

《Clementine數據挖掘方法及套用》是2010年電子工業出版社出版的圖書，作者是薛薇，陳歡歌。

基本介紹

• 作者：薛薇//陳歡歌
• ISBN：9787121117787
• 頁數：303
• 定價：38.00元
• 出版社：電子工業
• 出版時間：2010-9

內容介紹

《Clementine數據挖掘方法及套用》以數據挖掘的實踐過程為主線，通過生動的套用案例，從數據挖掘實施角度，系統介紹了經典的數據挖掘方法和利用Clementine實現數據挖掘的全部過程，講解方法從易到難，說明問題從淺至深。《Clementine數據挖掘方法及套用》力求以最通俗的方式闡述數據挖掘方法的核心思想與基本原理，同時配合Clementine軟體操作的說明，希望讀者能夠直觀了解方法本質，儘快掌握Clementine軟體使用，並套用到數據挖掘實踐中。為方便讀者學習，書中所有數據和案例均與所附光碟內容一致。

《Clementine數據挖掘方法及套用》適合於從事數據分析各套用領域的讀者，尤其適合於商業管理、財政經濟、金融保險、社會研究、人文教育等行業的相關人員。同時，也能夠作為高等院校計算機類、財經類、管理類專業本科生和研究生的數據挖掘教材。數據挖掘是當前數據分析領域中最活躍最前沿的地帶。Clementine充分利用計算機系統的運算處理能力和圖形展現能力，將數據挖掘方法、套用與工具有機地融為一體，成為內容最為全面，功能最為強大的數據挖掘軟體產品，是解決數據挖掘問題的最理想工具。

作品目錄

第1章 數據挖掘和Clementine概述 1.1 數據挖掘的產生背景 1.1.1 海量數據的分析需求催生數據挖掘 1.1.2 套用對理論的挑戰催生數據挖掘 1.2 什麼是數據挖掘 1.2.1 數據挖掘的概念 1.2.2 數據挖掘能做什麼 1.2.3 數據挖掘得到的知識形式 1.2.4 數據挖掘的算法分類 1.3 Clementine軟體概述 1.3.1 Clementine的視窗 1.3.2 數據流的基本管理和執行 1.3.3 數據流的其他管理 1.3.4 從一個示例看Clementine的使用第2章 Clementine數據的讀入 2.1 變數的類型 2.1.1 從數據挖掘角度看變數類型 2.1.2 從數據存儲角度看變數類型 2.2 讀入數據 2.2.1 讀自由格式的文本檔案 2.2.2 讀Excel電子表格數據 2.2.3 讀SPSS格式檔案 2.2.4 讀資料庫檔案 2.3 生成實驗方案數據 2.4 合併數據 2.4.1 數據的縱向合併 2.4.2 數據的橫向合併第3章 Clementine變數的管理 3.1 變數說明 3.1.1 取值範圍和缺失值的說明 3.1.2 變數取值有效性檢查和修正 3.1.3 變數角色的說明 3.2 變數值的重新計算 3.2.1 CLEM表達式 3.2.2 變數值重新計算示例 3.3 變數類別值的調整 3.4 生成新變數 3.5 變數值的離散化處理 3.5.1 常用的分箱方法 3.5.2 變數值的離散化處理示例 3.6 生成樣本集分割變數 3.6.1 樣本集分割的意義和常見方法 3.6.2 生成樣本集分割變數的示例第4章 Clementine樣本的管理 4.1 樣本的排序 4.2 樣本的條件篩選 4.3 樣本的隨機抽樣 4.4 樣本的濃縮處理 4.5 樣本的分類匯總 4.6 樣本的平衡處理 4.7 樣本的其他管理 4.7.1 數據轉置 4.7.2 數據的重新組織第5章 Clementine數據的基本分析 5.1 數據質量的探索 5.1.1 數據的基本描述與質量探索 5.1.2 離群點和極端值的修正 5.1.3 缺失值的替補 5.1.4 數據質量管理的其他功能 5.2 基本描述分析 5.2.1 計算基本描述統計量 5.2.2 繪製散點圖 5.3 變數分布的探索 5.4 兩分類變數相關性的研究 5.4.1 兩分類變數相關性的圖形分析 5.4.2 兩分類變數相關性的數值分析 5.5 兩總體的均值比較 5.5.1 兩總體均值比較的圖形分析 5.5.2 獨立樣本的均值檢驗 5.5.3 配對樣本的均值檢驗 5.6 變數重要性的分析 5.6.1 變數重要性分析的一般方法 5.6.2 變數重要性分析的套用示例第6章 分類預測：Clementine的決策樹 6.1 決策樹算法概述 6.1.1 什麼是決策樹 6.1.2 決策樹的幾何理解 6.1.3 決策樹的核心問題 6.2 Clementine的C5.0算法及套用 6.2.1 信息熵和信息增益 6.2.2 C5.0的決策樹生長算法 6.2.3 C5.0的剪枝算法 6.2.4 C5.0的推理規則集 6.2.5 C5.0的基本套用示例 6.2.6 C5.0的損失矩陣和Boosting技術 6.2.7 C5.0的模型評價 6.2.8 C5.0的其他話題：推理規則、交叉驗證和未剪枝的決策樹 6.3 Clementine的分類回歸樹及套用 6.3.1 分類回歸樹的生長過程 6.3.2 分類回歸樹的剪枝過程 6.3.3 損失矩陣對分類樹的影響 6.3.4 分類回歸樹的基本套用示例 6.3.5 分類回歸樹的互動建模 6.3.6 分類回歸樹的模型評價 6.4 Clementine的CHAID算法及套用 6.4.1 CHAID分組變數的預處理和選擇策略 6.4.2 Exhaustive CHAID算法 6.4.3 CHAID的剪枝 6.4.4 CHAID的套用示例 6.5 Clementine的QUEST算法及套用 6.5.1 QUEST算法確定最佳分組變數和分割點的方法 6.5.2 QUEST算法的套用示例 6.6 決策樹算法評估的圖形比較 6.6.1 不同模型的誤差對比 6.6.2 不同模型收益的對比第7章 分類預測：Clementine的人工神經網路 7.1 人工神經網路算法概述 7.1.1 人工神經網路的概念和種類 7.1.2 人工神經網路中的節點和意義 7.1.3 人工神經網路建立的一般步驟 7.2 Clementine的B-P反向傳播網路 7.2.1 感知機模型 7.2.2 B-P反向傳播網路的特點 7.2.3 B-P反向傳播算法 7.2.4 B-P反向傳播網路的其他問題 7.3 Clementine的B-P反向傳播網路的套用 7.3.1 基本操作說明 7.3.2 計算結果說明 7.3.3 提高模型預測精度 7.4 Clementine的徑向基函式網路及套用 7.4.1 徑向基函式網路中的隱節點和輸出節點 7.4.2 徑向基函式網路的學習過程 7.4.3 徑向基函式網路的套用示例第8章 分類預測：Clementine的統計方法 8.1 Clementine的Logistic回歸分析及套用 8.1.1 二項Logistic回歸方程 8.1.2 二項Logistic回歸方程係數的含義 8.1.3 二項Logistic回歸方程的檢驗 8.1.4 二項Logistic回歸分析的套用示例 8.1.5 多項Logistic回歸分析的套用示例 8.2 Clementine的判別分析及套用 8.2.1 距離判別法 8.2.2 Fisher判別法 8.2.3 貝葉斯判別法 8.2.4 判別分析的套用示例第9章 探索內部結構：Clementine的關聯分析 9.1 簡單關聯規則及其有效性 9.1.1 簡單關聯規則的基本概念 9.1.2 簡單關聯規則的有效性和實用性 9.2 Clementine的Apriori算法及套用 9.2.1 產生頻繁項集 9.2.2 依據頻繁項集產生簡單關聯規則 9.2.3 Apriori算法的套用示例 9.3 Clementine的GRI算法及套用 9.3.1 GRI算法基本思路 9.3.2 GRI算法的具體策略 9.3.3 GRI算法的套用示例 9.4 Clementine的序列關聯及套用 9.4.1 序列關聯中的基本概念 9.4.2 Sequence算法 9.4.3 序列關聯的時間約束 9.4.4 序列關聯分析的套用示例第10章 探索內部結構：Clementine的聚類分析 10.1 聚類分析的一般問題 10.1.1 聚類分析的提出 10.1.2 聚類分析的算法 10.2 Clementine的K-Means聚類及套用 10.2.1 K-Means對“親疏程度”的測度 10.2.2 K-Means聚類過程 10.2.3 K-Means聚類的套用示例 10.3 Clementine的兩步聚類及套用 10.3.1 兩步聚類對“親疏程度”的測度 10.3.2 兩步聚類過程 10.3.3 聚類數目的確定 10.3.4 兩步聚類的套用示例 10.4 Clementine的Kohonen網路聚類及套用 10.4.1 Kohonen網路的聚類機理 10.4.2 Kohonen網路的聚類過程 10.4.3 Kohonen網路聚類的示例 10.5 基於聚類分析的離群點探索及套用 10.5.1 多維空間基於聚類的診斷方法 10.5.2 多維空間基於聚類的診斷方法套用示例參考文獻