科技 类型
可以朗读 语音朗读
235千字 字数
2019-03-01 发行日期
展开全部

主编推荐语

全面掌握IBM SPSS Modeler工具

内容简介

本书将详尽的介绍IBM SPSS Modeler，主要涵盖基本软件操作，基本数据分析，高级数据挖掘，以及开发进阶使用等内容，力求帮助大家全面掌握Modeler工具。此外，本书也尽可能地把专业晦涩的数据科学知识及商业应用内容，以通俗易懂的方式传递给大家，同时结合实例，方便大家学习。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 本书特色
  • 致谢
  • 联系方式和电子资源
  • 资源与支持
  • 配套资源
  • 提交勘误
  • 与我们联系
  • 关于异步社区和异步图书
  • 第1章 IBM SPSS Modeler基本介绍
  • 1.1 SPSS简介
  • 1.2 SPSS Modeler的特点
  • 1.3 CRISP-DM方法论
  • 1.4 SPSS Modeler 下载与安装
  • 1.5 SPSS Modeler的主界面及基本操作
  • 1.5.1 主界面介绍
  • 1.5.2 鼠标基本操作
  • 1.6 SPSS Modeler连接服务器端
  • 1.7 从SPSS Modeler中获取帮助
  • 1.8 实战技巧
  • 第2章 数据读取——源节点
  • 2.1 数据的身份（存储类型、测量级别和角色）
  • 2.1.1 变量的存储类型
  • 2.1.2 变量的测量级别
  • 2.1.3 变量的角色
  • 2.2 数据读取
  • 2.2.1 读取Excel文件数据
  • 2.2.2 读取变量文件数据
  • 2.2.3 读取SPSS（.sav）文件数据
  • 2.2.4 读取数据库数据
  • 2.3 实战技巧
  • 第3章 数据整理——关于数据的基本设定与集成
  • 3.1 字段的“类型”功能
  • 3.2 字段的“过滤器”功能
  • 3.3 数据集成
  • 3.3.1 数据的记录集成：追加节点
  • 3.3.2 数据的字段集成：合并节点
  • 3.4 实战技巧
  • 第4章 数据整理——关于行的处理
  • 4.1 数据“选择”功能
  • 4.1.1 功能介绍
  • 4.1.2 实战技巧
  • 4.2 使用参数及全局变量实现数据选择功能
  • 4.2.1 参数功能
  • 4.2.2 使用参数实例介绍
  • 4.2.3 使用全局变量功能介绍
  • 4.2.4 使用全局变量实例介绍
  • 4.3 数据排序
  • 4.4 数据区分
  • 4.5 数据汇总
  • 4.5.1 功能介绍
  • 4.5.2 实战技巧
  • 第5章 数据整理——关于列的处理
  • 5.1 导出
  • 5.1.1 功能介绍
  • 5.1.2 实例介绍
  • 5.2 填充
  • 5.3 重新分类
  • 5.4 匿名化
  • 5.5 分级化
  • 5.6 设为标志
  • 5.6.1 功能介绍
  • 5.6.2 实例介绍
  • 5.7 重建
  • 5.7.1 功能介绍
  • 5.7.2 实例介绍
  • 5.8 转置
  • 5.8.1 功能介绍
  • 5.8.2 实例介绍
  • 5.9 历史记录
  • 5.9.1 功能介绍
  • 5.9.2 实例介绍
  • 5.10 字段重排
  • 5.11 时间间隔
  • 5.11.1 功能介绍
  • 5.11.2 实例介绍
  • 5.12 自动数据准备
  • 第6章 图形可视化——图形节点
  • 6.1 “散点图”节点
  • 6.1.1 散点图
  • 6.1.2 线图
  • 6.1.3 多重散点图
  • 6.1.4 时间散点图
  • 6.2 “条形图”节点
  • 6.2.1 简单条形图
  • 6.2.2 堆积条形图
  • 6.3 “直方图”节点
  • 6.3.1 直方图
  • 6.3.2 堆积直方图
  • 6.4 “网络”节点
  • 6.5 “图形板”节点
  • 6.5.1 气泡图
  • 6.5.2 散点图矩阵
  • 6.5.3 箱图
  • 6.5.4 聚类箱图
  • 6.5.5 热图
  • 6.6 实战技巧：图形的编辑模式
  • 第7章 描述性统计分析
  • 7.1 描述性统计分析概述
  • 7.2 数据审核，一键输出描述性统计分析结果
  • 7.3 缺失值的定义、检查和处理
  • 7.3.1 缺失值的定义和检查
  • 7.3.2 缺失值的自动化处理
  • 7.4 实战技巧
  • 第8章 常用的统计检验分析
  • 8.1 两个连续型变量的关系分析——相关分析
  • 8.1.1 相关分析
  • 8.1.2 相关分析实践——“Statistics”节点
  • 8.2 两个分类型变量的关系分析——卡方检验
  • 8.2.1 列联表与卡方检验
  • 8.2.2 卡方检验实践——“矩阵”节点
  • 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
  • 8.3.1 两组独立样本均值比较
  • 8.3.2 两组配对样本均值比较
  • 8.3.3 方差分析
  • 8.3.4 均值比较实践——“平均值”节点
  • 8.4 实战技巧：相关分析的注意事项
  • 第9章 回归分析
  • 9.1 一元线性回归分析
  • 9.2 一元线性回归实践
  • 9.3 多元线性回归分析
  • 9.4 多元线性回归实践
  • 9.5 逐步回归分析
  • 9.6 逐步回归实践
  • 9.7 实战技巧
  • 第10章 Logistic回归分析
  • 10.1 Logistic回归理论概要
  • 10.2 Logistic回归中的检验
  • 10.2.1 方程的显著性检验
  • 10.2.2 系数显著性检验
  • 10.2.3 拟合优度检验
  • 10.3 Logistic回归实践案例
  • 10.4 实战技巧
  • 第11章 建模前的优化及准备工作
  • 11.1 样本管理与分区
  • 11.1.1 数据抽样
  • 11.1.2 数据分区
  • 11.1.3 数据平衡
  • 11.2 特征选择
  • 11.3 数据变换
  • 11.4 实战技巧：分区与平衡的顺序
  • 第12章 RFM分析
  • 第13章 决策树
  • 13.1 决策树概述
  • 13.1.1 决策树的直观理解
  • 13.1.2 决策树的生长
  • 13.1.3 决策树的剪枝
  • 13.2 C5.0算法
  • 13.2.1 C5.0算法的决策树生长
  • 13.2.2 C5.0算法的决策树剪枝
  • 13.2.3 代价敏感学习
  • 13.2.4 C5.0算法实践案例
  • 13.3 CART算法
  • 13.3.1 CART算法的决策树生长
  • 13.3.2 CART算法的决策树剪枝
  • 13.3.3 先验概率
  • 13.3.4 CART算法实践案例
  • 13.4 实战技巧
  • 13.4.1 生成规则集
  • 13.4.2 跟踪规则
  • 第14章 神经网络
  • 14.1 感知机
  • 14.2 多层感知机与误差反向传播算法
  • 14.2.1 隐藏层
  • 14.2.2 反向传播算法
  • 14.3 神经网络实践
  • 14.4 实战技巧：生成“报告”
  • 第15章 集成学习算法
  • 15.1 Bagging
  • 15.2 Boosting
  • 15.3 随机森林
  • 15.4 集成学习算法实践
  • 15.4.1 Bagging和Boosting实践
  • 15.4.2 随机森林实践
  • 15.4.3 各个集成学习算法的结果比较
  • 15.5 异质集成——“整体”节点
  • 第16章 聚类分析
  • 16.1 聚类方法概述
  • 16.2 聚类方法的关键：距离
  • 16.3 K-means算法
  • 16.3.1 K-means算法原理
  • 16.3.2 K-means的其他注意事项
  • 16.4 K-means聚类实践
  • 16.5 实践技巧：使用平行图进行比较分析
  • 第17章 KNN分类器
  • 17.1 KNN学习方法原理
  • 17.2 KNN分类实践
  • 17.2.1 分类预测
  • 17.2.2 最近邻识别
  • 第18章 关联分析
  • 18.1 关联分析的基本概念
  • 18.2 关联规则的有效性指标
  • 18.2.1 关联规则的基础评价性指标
  • 18.2.2 关联规则的实用性指标
  • 18.2.3 其他的关联规则评估指标
  • 18.3 Apriori算法
  • 18.3.1 生成频繁项集
  • 18.3.2 生成关联规则
  • 18.4 Apriori关联分析实践
  • 18.5 实战技巧：导出生成的关联规则
  • 第19章 自动建模
  • 19.1 自动分类
  • 19.1.1 功能介绍
  • 19.1.2 实例介绍
  • 19.2 自动聚类
  • 19.2.1 功能介绍
  • 19.2.2 实例介绍
  • 19.3 自动数值
  • 19.3.1 功能介绍
  • 19.3.2 实例介绍
  • 第20章 蒙特卡罗模拟法
  • 20.1 模拟生成
  • 20.1.1 功能介绍
  • 20.1.2 实例介绍
  • 20.2 模拟拟合
  • 20.2.1 功能介绍
  • 20.2.2 实例介绍
  • 20.3 模拟求值
  • 20.3.1 功能介绍
  • 20.3.2 实例介绍
  • 第21章 SPSS Modeler的集成与扩展
  • 21.1 SPSS Modeler与R、Python集成
  • 21.1.1 概述
  • 21.1.2 SPSS Modeler与R的集成环境准备
  • 21.1.3 与R的集成功能介绍
  • 21.1.4 实例介绍
  • 21.2 定制对话框实现与R、Python的集成
  • 21.2.1 定制对话框简介
  • 21.2.2 安装配置自定义节点
  • 21.3 SPSS Modeler扩展功能
  • 21.3.1 功能介绍
  • 21.3.2 获取天气数据的应用分析案例
  • 第22章 SPSS Modeler模型部署
  • 22.1 产品架构
  • 22.2 通过批处理任务定时运行模型
  • 22.2.1 功能介绍
  • 22.2.2 实例介绍
  • 22.3 SPSS Modeler服务器安装及管理（For Linux）
  • 22.3.1 正常维护SPSS Modeler服务器
  • 22.3.2 SPSS Modeler 服务器如何在Linux上安装及配置
  • 22.3.3 配置ODBC连接数据库
  • 22.4 SPSS Modeler官方支持的数据库和Hadoop平台
  • 第23章 性能优化
  • 23.1 功能介绍
  • 23.2 客户端SQL性能优化
  • 23.3 数据库内建模
  • 23.3.1 功能介绍
  • 23.3.2 实例介绍
  • 23.4 使用外部程序批量加载
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。