IBM SPSS Modeler數據與文本挖掘實戰(zhàn)

第1部分 數據挖掘篇
第1章 數據挖掘概述
1.1 什么是數據挖掘
1.1.1 數據挖掘的定義
1.1.2 數據挖掘的發(fā)展階段
1.1.3 數據挖掘的技術特征
1.2 與傳統(tǒng)技術的比較
1.2.1 數據挖掘和統(tǒng)計分析
1.2.2 數據挖掘和數據倉庫
1.2.3 數據挖掘和OLAP
1.2.4 數據挖掘和Web挖掘
1.3 常用的數據挖掘軟件
1.3.1 SAS EM
1.3.2 SPSS Modeler
1.3.3 Intelligent Miner
1.4 應用實例：目標客戶分析
1.4.1 研究方法
1.4.2 數據分析
1.4.3 研究結論
第2章 SPSS Modeler軟件概述
2.1 軟件簡介
2.1.1 軟件發(fā)展
2.1.2 軟件界面
2.1.3 軟件特點
2.1.4 軟件功能
2.1.5 軟件算法
2.1.6 高級功能
2.1.7 軟件安裝
2.2 行業(yè)應用
2.2.1 通信行業(yè)
2.2.2 政府行業(yè)
2.2.3 金融行業(yè)
2.2.4 制造行業(yè)
2.2.5 醫(yī)藥行業(yè)
2.2.6 教育科研
2.2.7 市場調研
2.2.8 連鎖零售
2.3 數據挖掘流程
2.3.1 業(yè)務理解
2.3.2 數據理解
2.3.3 數據準備
2.3.4 建立模型
2.3.5 評估模型
2.3.6 應用模型
2.4 應用實例：藥物效果研究
2.4.1 研究方法
2.4.2 數據分析
2.4.3 研究結論
第3章 SPSS Modeler基礎操作
3.1 數據輸入
3.1.1 數據庫
3.1.2 可變文件
3.1.3 固定文件
3.1.4 SAS文件
3.1.5 Statistics文件
3.1.6 Excel文件
3.2 數據流操作
3.2.1 生成數據流
3.2.2 添加和刪除節(jié)點
3.2.3 連接數據流
3.2.4 修改連接節(jié)點
3.2.5 執(zhí)行數據流
3.3 圖形制作
3.3.1 散點圖
3.3.2 直方圖
3.3.3 網絡圖
3.3.4 評估圖
3.4 應用實例：產品銷售預測
3.4.1 研究方法
3.4.2 數據分析
3.4.3 研究結論
第4章 回歸分析
4.1 回歸分析模型概述
4.1.1 模型定義
4.1.2 模型應用
4.1.3 建模步驟
4.1.4 注意事項
4.2 應用實例：客戶流失因素分析
4.2.1 研究方法
4.2.2 數據分析
4.2.3 研究結論
第5章 時間序列
5.1 時間序列模型概述
5.1.1 模型定義
5.1.2 模型應用
5.1.3 建模步驟
5.2 應用實例：帶寬利用率預測
5.2.1 研究方法
5.2.2 數據分析
5.2.3 研究結論
第6章 因子分析
6.1 因子分析模型概述
6.1.1 模型定義
6.1.2 模型應用
6.1.3 建模步驟
6.1.4 注意事項
6.2 應用實例：兒童玩具影響因子分析
6.2.1 研究方法
6.2.2 數據分析
6.2.3 研究結論
第7章 決策樹
7.1 決策樹模型概述
7.1.1 模型定義
7.1.2 模型應用
7.1.3 建模步驟
7.1.4 注意事項
7.2 應用實例：電信客戶流失分析
7.2.1 研究方法
7.2.2 數據分析
7.2.3 研究結論
第8章 判別分析
8.1 判別分析模型概述
8.1.1 模型定義
8.1.2 模型應用
8.1.3 建模步驟
8.1.4 注意事項
8.2 應用實例：電信客戶群判別分析
8.2.1 研究方法
8.2.2 數據分析
8.2.3 研究結論
第9章 聚類分析
9.1 聚類分析模型概述
9.1.1 模型定義
9.1.2 模型應用
9.1.3 建模步驟
9.1.4 注意事項
9.2 應用實例：藥物效果聚類分析
9.2.1 研究方法
9.2.2 數據分析
9.2.3 研究結論
第10章 關聯(lián)分析
10.1 關聯(lián)分析模型概述
10.1.1 模型定義
10.1.2 模型應用
10.1.3 建模步驟
10.1.4 注意事項
10.2 應用實例：商品關聯(lián)性分析
10.2.1 研究方法
10.2.2 數據分析
10.2.3 研究結論
第11章 人工神經網絡
11.1 人工神經網絡模型概述
11.1.1 模型定義
11.1.2 模型應用
11.1.3 建模步驟
11.1.4 注意事項
11.2 應用實例：客戶流失預測分析
11.2.1 研究方法
11.2.2 數據分析
11.2.3 研究結論
第12章 貝葉斯網絡
12.1 貝葉斯網絡模型概述
12.1.1 模型定義
12.1.2 模型應用
12.1.3 建模步驟
12.1.4 注意事項
12.2 應用實例：貸款風險預測
12.2.1 研究方法
12.2.2 數據分析
12.2.3 研究結論
第13章 社交網絡分析
13.1 社交網絡分析模型概述
13.1.1 模型定義
13.1.2 模型應用
13.1.3 建模步驟
13.1.4 注意事項
13.2 應用實例：客戶流失預警分析
13.2.1 研究方法
13.2.2 數據分析
13.2.3 研究結論
第2部分 文本挖掘篇
第14章 文本挖掘概述
14.1 什么是文本挖掘
14.2 文本挖掘的研究現(xiàn)狀
14.3 文本挖掘軟件簡介
14.3.1 Intelligent Miner
14.3.2 北大方正智思
第15章 文本挖掘算法
15.1 特征選擇文本分類算法
15.1.1 文本特征表示
15.1.2 文檔預處理
15.1.3 文檔特征選擇
15.2 支持向量機文本分類算法
15.2.1 文檔特征的表示
15.2.2 文本特征的提取
15.2.3 文檔的相似度
15.2.4 支持向量機算法
15.3 樸素貝葉斯文本分類算法
15.3.1 貝葉斯公式
15.3.2 貝葉斯定理的應用
15.3.3 樸素貝葉斯分類器
15.3.4 樸素貝葉斯文本分類算法
15.4 KNN文本分類算法
15.4.1 KNN文本分類算法概述
15.4.2 基于統(tǒng)計的KNN文本分類算法
15.4.3 基于LSA降維的KNN文本分類算法
第16章 SPSS Modeler文本挖掘概述
16.1 Modeler軟件中的文本挖掘理論
16.1.1 功能簡介
16.1.2 文本挖掘節(jié)點
16.2 Modeler軟件中的文本挖掘安裝
第17章 SPSS Modeler文本挖掘節(jié)點
17.1 File List節(jié)點
17.1.1 節(jié)點簡介
17.1.2 節(jié)點實例
17.2　 Web Feed節(jié)點
17.2.1 節(jié)點簡介
17.2.2 節(jié)點實例
17.3 Text Mining節(jié)點
17.3.1 節(jié)點簡介
17.3.2 節(jié)點實例
17.4 Text Link Analysis節(jié)點
17.4.1 節(jié)點簡介
17.4.2 節(jié)點實例
17.5 Translate節(jié)點
17.5.1 節(jié)點簡介
17.5.2 節(jié)點實例
17.6 File Viewer節(jié)點
17.6.1 節(jié)點簡介
17.6.2 節(jié)點實例
第18章 SPSS Modeler文本挖掘實例
18.1 實例：音樂調查數據的概念模型分析
18.2 實例：音樂調查數據的文本類別分析
附錄A 配置SQL Server ODBC數據源