《數(shù)據(jù)挖掘原理與SPSS Clementine應(yīng)用寶典》讀書(shū)筆記思維導(dǎo)圖

思維導(dǎo)圖PPT模板《數(shù)據(jù)挖掘原理與SPSSClementine應(yīng)用寶典》最新版讀書(shū)筆記，下載可以直接修改數(shù)據(jù)小結(jié)數(shù)據(jù)挖掘模型第章算法應(yīng)用關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)規(guī)則分析基本原理基礎(chǔ)實(shí)例決策樹(shù)聚類(lèi)分析類(lèi)序列數(shù)據(jù)庫(kù)本書(shū)關(guān)鍵字分析思維導(dǎo)圖01第1部分?jǐn)?shù)據(jù)挖掘應(yīng)用基礎(chǔ)第3部分?jǐn)?shù)據(jù)挖掘建模與模型參考文獻(xiàn)第2部分?jǐn)?shù)據(jù)挖掘經(jīng)典算法第4部分SPSSClementine...反侵權(quán)盜版聲明目錄0305020406內(nèi)容摘要本書(shū)從數(shù)據(jù)挖掘基礎(chǔ)、數(shù)據(jù)挖掘經(jīng)典算法、數(shù)據(jù)挖掘業(yè)務(wù)建模與模型評(píng)價(jià)、SPSSClementine數(shù)據(jù)挖掘?qū)崉?wù)這4方面對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了全面介紹。本書(shū)共24章，分為4部分。第1部分介紹數(shù)據(jù)挖掘的基本概念及數(shù)據(jù)挖掘應(yīng)用的基本原理。第2部分介紹了回歸分析、貝葉斯網(wǎng)絡(luò)、聚類(lèi)分析、決策樹(shù)算法、關(guān)聯(lián)規(guī)則、粗糙集、神經(jīng)網(wǎng)絡(luò)模型、遺傳算法等。第3部分是數(shù)據(jù)挖掘建模和模型模型評(píng)價(jià)的基礎(chǔ)知識(shí)。第4部分包括SPSSClementine數(shù)據(jù)挖掘項(xiàng)目的實(shí)現(xiàn)和具體實(shí)施，以及3個(gè)典型案例。第1部分?jǐn)?shù)據(jù)挖掘應(yīng)用基礎(chǔ)這本書(shū)也是高校老師的作品，象牙塔味十足，但是還算接地氣，起碼有一些例子是鮮活的。第1章數(shù)據(jù)挖掘概述第2章數(shù)據(jù)挖掘可挖掘的知識(shí)類(lèi)型第3章數(shù)據(jù)挖掘的體系結(jié)構(gòu)與模型第4章數(shù)據(jù)選擇第5章數(shù)據(jù)預(yù)處理12345第1部分?jǐn)?shù)據(jù)挖掘應(yīng)用基礎(chǔ)1.1數(shù)據(jù)挖掘的社會(huì)需求1.2數(shù)據(jù)挖掘的定義1.3數(shù)據(jù)挖掘系統(tǒng)分類(lèi)1.4數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域第1章數(shù)據(jù)挖掘概述1.5數(shù)據(jù)挖掘標(biāo)準(zhǔn)和規(guī)范1.6數(shù)據(jù)挖掘面臨的挑戰(zhàn)和局限性1.7數(shù)據(jù)挖掘的發(fā)展趨勢(shì)1.8小結(jié)第1章數(shù)據(jù)挖掘概述2.1概念與類(lèi)描述2.2關(guān)聯(lián)模式2.3分類(lèi)2.4聚類(lèi)分析第2章數(shù)據(jù)挖掘可挖掘的知識(shí)類(lèi)型2.5預(yù)測(cè)2.6時(shí)間序列2.7偏差檢測(cè)2.8小結(jié)第2章數(shù)據(jù)挖掘可挖掘的知識(shí)類(lèi)型3.1數(shù)據(jù)挖掘的體系結(jié)構(gòu)3.3小結(jié)3.2數(shù)據(jù)挖掘的過(guò)程模型第3章數(shù)據(jù)挖掘的體系結(jié)構(gòu)與模型4.1數(shù)據(jù)挖掘的對(duì)象4.2選擇建模數(shù)據(jù)4.3構(gòu)造建模數(shù)據(jù)集4.4小結(jié)第4章數(shù)據(jù)選擇5.1數(shù)據(jù)預(yù)處理基本功能5.3小結(jié)5.2數(shù)據(jù)預(yù)處理的方法第5章數(shù)據(jù)預(yù)處理第2部分?jǐn)?shù)據(jù)挖掘經(jīng)典算法第6章回歸分析第7章貝葉斯分析第8章聚類(lèi)分析第9章決策樹(shù)算法第10章關(guān)聯(lián)規(guī)則算法第11章粗糙集理論010302040506第2部分?jǐn)?shù)據(jù)挖掘經(jīng)典算法第12章神預(yù)處理第13章遺傳算法第14章數(shù)據(jù)預(yù)處理機(jī)第15章復(fù)雜對(duì)象數(shù)據(jù)挖掘第2部分?jǐn)?shù)據(jù)挖掘經(jīng)典算法6.1回歸分析的基本原理6.2一元線性回歸分析6.3多元線性回歸分析6.4非線性回歸分析6.5應(yīng)用實(shí)例分析6.6小結(jié)010302040506第6章回歸分析7.1貝葉斯定理7.2貝葉斯分類(lèi)7.3樸素貝葉斯分類(lèi)7.4EM算法第7章貝葉斯分析7.5貝葉斯信念網(wǎng)絡(luò)7.7小結(jié)7.6應(yīng)用實(shí)例分析第7章貝葉斯分析8.1聚類(lèi)分析原理8.2聚類(lèi)分析常用算法分類(lèi)8.3劃分聚類(lèi)方法8.4層次聚類(lèi)方法8.5基于密度的聚類(lèi)方法8.6基于網(wǎng)格的聚類(lèi)方法010302040506第8章聚類(lèi)分析8.7基于模型的聚類(lèi)方法8.8高維數(shù)據(jù)的聚類(lèi)方法8.9模糊聚類(lèi)FCM8.10應(yīng)用實(shí)例分析8.11小結(jié)12345第8章聚類(lèi)分析9.1決策樹(shù)算法原理9.2常用決策樹(shù)算法9.3決策樹(shù)剪枝9.4由決策樹(shù)提取分類(lèi)規(guī)則9.5應(yīng)用實(shí)例分析9.6小結(jié)010302040506第9章決策樹(shù)算法10.1關(guān)聯(lián)規(guī)則基礎(chǔ)10.2關(guān)聯(lián)規(guī)則算法原理10.3分層搜索經(jīng)典算法——Aprio...10.4并行挖掘算法10.5增量更新挖掘算法10.6多層關(guān)聯(lián)規(guī)則挖掘010302040506第10章關(guān)聯(lián)規(guī)則算法10.7約束性關(guān)聯(lián)規(guī)則挖掘10.8數(shù)量關(guān)聯(lián)規(guī)則挖掘10.9多維關(guān)聯(lián)規(guī)則挖掘10.10負(fù)關(guān)聯(lián)規(guī)則挖掘算法第10章關(guān)聯(lián)規(guī)則算法10.11加權(quán)關(guān)聯(lián)規(guī)則挖掘算法10.13小結(jié)10.12應(yīng)用實(shí)例分析第10章關(guān)聯(lián)規(guī)則算法11.1粗糙集基本概念11.2知識(shí)表達(dá)11.3粗糙集在數(shù)據(jù)預(yù)處理中的應(yīng)用11.4小結(jié)第11章粗糙集理論12.1神經(jīng)網(wǎng)絡(luò)基本原理12.2BP神經(jīng)網(wǎng)絡(luò)12.3徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)12.4Hopfield神經(jīng)網(wǎng)絡(luò)第12章神預(yù)處理12.5自組織神經(jīng)網(wǎng)絡(luò)12.6神經(jīng)網(wǎng)絡(luò)的應(yīng)用12.7神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用12.8小結(jié)第12章神預(yù)處理13.1遺傳算法概述13.2基本遺傳算法13.3改進(jìn)遺傳算法13.4基于遺傳算法的數(shù)據(jù)挖掘13.5基因表達(dá)式編程13.6小結(jié)010302040506第13章遺傳算法14.1支持向量機(jī)基礎(chǔ)14.2支持向量機(jī)的基本原理14.3支持向量機(jī)的實(shí)現(xiàn)技術(shù)14.4支持向量回歸機(jī)第14章數(shù)據(jù)預(yù)處理機(jī)14.5支持向量機(jī)的改進(jìn)算法14.7小結(jié)14.6支持向量機(jī)在數(shù)據(jù)挖掘中的應(yīng)用第14章數(shù)據(jù)預(yù)處理機(jī)15.1空間數(shù)據(jù)庫(kù)挖掘15.2多媒體數(shù)據(jù)挖掘15.3文本挖掘15.4挖掘互聯(lián)網(wǎng)15.5挖掘數(shù)據(jù)流15.6時(shí)間序列數(shù)據(jù)挖掘010302040506第15章復(fù)雜對(duì)象數(shù)據(jù)挖掘15.7挖掘事務(wù)數(shù)據(jù)庫(kù)中的序列模式15.9小結(jié)15.8挖掘生物學(xué)數(shù)據(jù)中的序列模式第15章復(fù)雜對(duì)象數(shù)據(jù)挖掘第3部分?jǐn)?shù)據(jù)挖掘建模與模型第17章數(shù)據(jù)挖掘模型評(píng)價(jià)第16章數(shù)據(jù)挖掘建模第3部分?jǐn)?shù)據(jù)挖掘建模與模型16.1數(shù)據(jù)挖掘建模概述16.2數(shù)據(jù)挖掘建?；A(chǔ)16.3數(shù)據(jù)挖掘建模原理16.4小結(jié)第16章數(shù)據(jù)挖掘建模17.1基于損失函數(shù)的標(biāo)準(zhǔn)17.2基于統(tǒng)計(jì)檢驗(yàn)的準(zhǔn)則17.3基于計(jì)分函數(shù)的標(biāo)準(zhǔn)17.4貝葉斯標(biāo)準(zhǔn)17.5計(jì)算標(biāo)準(zhǔn)17.6小結(jié)010302040506第17章數(shù)據(jù)挖掘模型評(píng)價(jià)第4部分SPSSClementine...第18章SPSSClementine...第19章SPSSClementine...第20章數(shù)據(jù)的圖形化展示第21章SPSSClementine...第4部分SPSSClementine...第22章數(shù)據(jù)挖掘結(jié)果的輸出第24章SPSSClementine...第23章數(shù)據(jù)挖掘項(xiàng)目實(shí)施第4部分SPSSClementine...18.1認(rèn)識(shí)SPSSClementi...18.2SPSSClementine...18.3SPSSClementine...18.4小結(jié)第18章SPSSClementine...19.1各種格式數(shù)據(jù)的導(dǎo)入19.2對(duì)數(shù)據(jù)集記錄的修改19.3對(duì)字段數(shù)據(jù)的進(jìn)一步處理19.4小結(jié)第19章SPSSClementine...20.1圖表類(lèi)型20.2圖表的創(chuàng)建20.3散點(diǎn)圖的顯示20.4條形圖的繪制20.5繪制直方圖20.6收集圖顯示010302040506第20章數(shù)據(jù)的圖形化展示20.7多重散點(diǎn)圖20.8網(wǎng)絡(luò)圖顯示20.9評(píng)估節(jié)點(diǎn)圖20.10時(shí)間散點(diǎn)圖的顯示20.11狀態(tài)檢測(cè)實(shí)例20.12小結(jié)010302040506第20章數(shù)據(jù)的圖形化展示21.1Clementine數(shù)據(jù)模型工...21.2建模前的通用設(shè)置21.3神經(jīng)網(wǎng)絡(luò)建模21.4C5.0算法生成決策樹(shù)21.5C&RT基于樹(shù)的分類(lèi)預(yù)測(cè)21.6Kohonen網(wǎng)絡(luò)模型010302040506第21章SPSSClementine...21.7K-Means聚類(lèi)分析21.8TwoStep聚類(lèi)分析21.9異常節(jié)點(diǎn)模型21.10Apriori關(guān)聯(lián)規(guī)則21.11GRl關(guān)聯(lián)規(guī)則21.12生成規(guī)則集模型010302040506第21章SPSSClementine...21.13序列模型21.14主成分/因子分析21.15特征選擇算法模型21.16回歸模型21.17Logistic回歸模型21.18用神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)和C5.0節(jié)點(diǎn)...010302040506第21章SPSSClementine...22.1結(jié)果輸出的概述22.2表節(jié)點(diǎn)的輸出22.3通過(guò)矩陣方式建立關(guān)系表22.4評(píng)估預(yù)測(cè)值的輸出22.5數(shù)據(jù)審核報(bào)告22.6統(tǒng)計(jì)量輸出010302040506第22章數(shù)據(jù)挖掘結(jié)果的輸出22.7均值的輸出22.8數(shù)據(jù)的質(zhì)量報(bào)告22.9格式化的報(bào)告輸出22.10全局量的輸出第22章數(shù)據(jù)挖掘結(jié)果的輸出22.11SPSS導(dǎo)出結(jié)果22.13小結(jié)22.12評(píng)估模型產(chǎn)生精確預(yù)測(cè)值的能力第22章數(shù)據(jù)挖掘結(jié)果的輸出23.1數(shù)據(jù)挖掘項(xiàng)目實(shí)