第1章 數據挖掘和Clementine使用概述 1.1 數據挖掘的産生背景 1.2 什麼是數據挖掘 1.3 Clementine軟件概述第2章 Clementine的數據讀入和數據集成 2.1 變量類型 2.2 讀人數據 2.3 生成實驗方案 2.4 數據集成第3章 Clementine的數據理解 3.1 變量說明 3.2 數據質量的評估和調整 3.3 數據的排序 3.4 數據的分類匯總 3.5 用戶報錶第4章 Clementine的數據準備 4.1 變量變換 4.2 變量派生 4.3 數據精簡 4.4 數據篩選 4.5 數據準備的其他工作第5章 Clementine的基本分析 5.1 數值型變量的基本分析 5.2 兩分類型變量相關性的研究 5.3 兩總體的均值比較 5.4 rfm分析第6章 Clementine的數據精簡 6.1 變量值的離散化處理 6.2 特徵選擇 6.3 因子分析第7章 分類預測：Clementine的決策樹 7.1 決策樹算法概述 7.2 Clementine的c5.0算法及應用 7.3 Clementine的分類迴歸樹及應用 7.4 Clementine的chaid算法及應用 7.5 Clementine的quest算法及應用 7.6 模型的對比分析第8章 分類預測：Clementine的人工神經網絡 8.1 人工神經網絡算法概述 8.2 Clementine的b-p反嚮傳播網絡 8.3 Clementine的b-p反嚮傳播網絡的應用 8.4 Clementine的徑嚮基函數網絡及應用第9章 分類預測：Clementine的支持嚮量機 9.1 支持嚮量分類的基本思路 9.2 支持嚮量分類的基本原理 9.3 支持嚮量迴歸 9.4 支持嚮量機的應用第10章 分類預測：Clementine的logistic迴歸分析 10.1 logistic迴歸分析概述 10.2 二項logistic迴歸分析 10.3 二項logistic迴歸分析的應用 10.4 多項logistic迴歸分析及應用第11章 分類預測：Clementine的判彆分析 11.1 距離判彆法 11.2 fisher判彆法 11.3 貝葉斯判彆法 11.4 判彆分析的應用第12章 分類預測：Clementine的貝葉斯網絡 12.1 貝葉斯方法基礎 12.2 貝葉斯網絡概述 12.3 tan貝葉斯網絡 12.4 馬爾科夫毯網絡 12.5 貝葉斯網絡的應用第13章 探索內部結構：Clementine的聚類分析 13.1 聚類分析的一般問題 13.2 Clementine的k-means聚類及應用 13.3 Clementine的兩步聚類及應用 13.4 Clementine的kohonen網絡聚類及應用 13.5 基於聚類分析的離群點探索第14章 探索內部結構：Clementine的關聯分析 14.1 簡單關聯規則及其有效性 14.2 Clementine的apriori算法及應用 14.3 Clementine的gri算法及應用 14.4 Clementine的序列關聯及應用參考文獻
· · · · · · (收起)