第1部分 數據挖掘篇
第1章 數據挖掘概述
1.1 什麼是數據挖掘
1.1.1 數據挖掘的定義
1.1.2 數據挖掘的發展階段
1.1.3 數據挖掘的技術特徵
1.2 與傳統技術的比較
1.2.1 數據挖掘和統計分析
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 軟件發展
2.1.2 軟件界麵
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 行業應用
2.2.1 通信行業
2.2.2 政府行業
2.2.3 金融行業
2.2.4 製造行業
2.2.5 醫藥行業
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 添加和刪除節點
3.2.3 連接數據流
3.2.4 修改連接節點
3.2.5 執行數據流
3.3 圖形製作
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：産品銷售預測
3.4.1 研究方法
3.4.2 數據分析
3.4.3 研究結論
第4章 迴歸分析
4.1 迴歸分析模型概述
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 判彆分析
8.1 判彆分析模型概述
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：電信客戶群判彆分析
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 關聯分析
10.1 關聯分析模型概述
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 什麼是文本挖掘
14.2 文本挖掘的研究現狀
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 特徵選擇文本分類算法
15.1.1 文本特徵錶示
15.1.2 文檔預處理
15.1.3 文檔特徵選擇
15.2 支持嚮量機文本分類算法
15.2.1 文檔特徵的錶示
15.2.2 文本特徵的提取
15.2.3 文檔的相似度
15.2.4 支持嚮量機算法
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 基於統計的KNN文本分類算法
15.4.3 基於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 文本挖掘節點
16.2 Modeler軟件中的文本挖掘安裝
第17章 SPSS Modeler文本挖掘節點
17.1 File List節點
17.1.1 節點簡介
17.1.2 節點實例
17.2 Web Feed節點
17.2.1 節點簡介
17.2.2 節點實例
17.3 Text Mining節點
17.3.1 節點簡介
17.3.2 節點實例
17.4 Text Link Analysis節點
17.4.1 節點簡介
17.4.2 節點實例
17.5 Translate節點
17.5.1 節點簡介
17.5.2 節點實例
17.6 File Viewer節點
17.6.1 節點簡介
17.6.2 節點實例
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彆分析
附錄A 配置SQL Server ODBC數據源
參考文獻
· · · · · · (收起)