白熊求職統(tǒng)計(jì)分析與數(shù)據(jù)挖掘電子工業(yè)spss21 0課件2第2章

第二章SPSS數(shù)據(jù)挖掘系統(tǒng)數(shù)據(jù)挖掘概述如何進(jìn)行成功的數(shù)據(jù)挖掘SPSS數(shù)據(jù)挖掘模塊介紹2.1

數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘是按照既定的業(yè)務(wù)目標(biāo)，對大量的企業(yè)數(shù)據(jù)進(jìn)行探索，揭示隱藏其中的規(guī)律性并進(jìn)一步模型化的先進(jìn)、有效的方法。OLAP和數(shù)據(jù)挖掘的主要區(qū)別在于：在輔助決策時(shí)，前者是基于用戶建立的一系列假設(shè)驅(qū)動，通過OLAP來證實(shí)或者推翻這些假設(shè)，是一個(gè)演繹推理的過程；數(shù)據(jù)挖掘是通過歸納的方式，在海量數(shù)據(jù)中主動找尋模型，自動發(fā)掘隱藏在數(shù)據(jù)中的價(jià)值信息。數(shù)據(jù)挖掘并不是對統(tǒng)計(jì)學(xué)的代替。實(shí)際上，統(tǒng)計(jì)學(xué)是對數(shù)據(jù)挖掘的很好的補(bǔ)充。數(shù)據(jù)挖掘，通過了解過去和現(xiàn)在，得出準(zhǔn)確的預(yù)測，使人有能力掌握和改變公司的命運(yùn)。SPSS數(shù)據(jù)挖掘產(chǎn)品和服務(wù)通過支持交叉行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（Cross-IndustryStandardProcessforDataMining，CRISP-DM）而保證及時(shí)、可靠的結(jié)果。由工業(yè)專家創(chuàng)造的CRISP-DM為數(shù)據(jù)挖掘過程的每一階段的任務(wù)和目標(biāo)提供指導(dǎo)。CRISP-DM是工業(yè)標(biāo)準(zhǔn)化的數(shù)據(jù)挖掘過程。CRISP-DM階段包括以下幾個(gè)部分。商業(yè)理解：明確了解所面臨的商務(wù)挑戰(zhàn)；數(shù)據(jù)理解：決定什么數(shù)據(jù)可以用于數(shù)據(jù)挖掘，以得到答案；數(shù)據(jù)準(zhǔn)備：以合適的格式來準(zhǔn)備數(shù)據(jù)，回答商務(wù)問題；建立模型：設(shè)計(jì)數(shù)據(jù)模型來滿足要求；模型評估：用結(jié)果逆向檢測項(xiàng)目目標(biāo)；成果發(fā)布：使項(xiàng)目結(jié)果有用于決策者。2.2

成功的數(shù)據(jù)挖掘CRPIS-DM的各個(gè)階段：商務(wù)理解數(shù)據(jù)理解數(shù)據(jù)準(zhǔn)備模型成功發(fā)布實(shí)施開放計(jì)劃選擇數(shù)據(jù)挖掘工具尋找一個(gè)已被證實(shí)的可用于解決項(xiàng)目所陳述商務(wù)問題的數(shù)據(jù)挖掘工具：即選擇一種所知道的，可以用于解決公司問題，并在計(jì)劃應(yīng)用方面有成功記錄的工具。選擇用于在商務(wù)理解和數(shù)據(jù)挖掘技術(shù)方面起到溝通作用的工具：確保工具所用的步驟與數(shù)據(jù)挖掘的商務(wù)需要相匹配。確保工具可對現(xiàn)有的數(shù)據(jù)資源和格式進(jìn)行操作：如果能選擇一種能提取和合并多來源、多格式數(shù)據(jù)，將會節(jié)省時(shí)間和金錢，并最大可能地得到可靠結(jié)果的工具。這一點(diǎn)很重要，尤其是在數(shù)據(jù)挖掘過程的后期發(fā)現(xiàn)不得不從新的來源加入新的數(shù)據(jù)時(shí)。尋找交互式開發(fā)和可視化能力：選擇一種可提供交互式可視技術(shù)的工具會使開發(fā)和理解數(shù)據(jù)變得容易。這些技術(shù)會使你通過在圖內(nèi)變化及根據(jù)不同的數(shù)據(jù)尺度產(chǎn)生新的圖表更快地獲得直覺。5.選擇一種可高效、易解的進(jìn)行數(shù)據(jù)準(zhǔn)備的工具：選擇一種可高效進(jìn)行數(shù)據(jù)準(zhǔn)備（從初始步驟到模型建立），且以易于理解的方式表達(dá)數(shù)據(jù)準(zhǔn)備步驟的工具會節(jié)省時(shí)間和資源。這會使不同經(jīng)驗(yàn)水平的項(xiàng)目成員獲得有效的結(jié)果。

確保工具可自動地提取數(shù)據(jù)：選擇一種可為不同數(shù)據(jù)步驟自動提取數(shù)據(jù)的工具，可以避免耗時(shí)的人工書寫查詢。該工具是否可在合理的時(shí)間內(nèi)建立有效的模型：尋找一種工具，它可使分析家快速找到最有效的模型。這種工具應(yīng)該支持有效的建立和檢測多個(gè)模型。選擇一種含寬范圍技術(shù)的工具：為了確保最好的結(jié)果，確保工具能為可視化、分類、聚類、相關(guān)和回歸提供一個(gè)寬范圍的技術(shù)或運(yùn)算法則。例如，可能發(fā)現(xiàn)，對某一數(shù)據(jù)而言，一種技術(shù)比另一種更好。你需要能靈活地試用多種技術(shù)以獲得準(zhǔn)確、有效的結(jié)果。這種工具應(yīng)該能聯(lián)合應(yīng)用在不同情況下可獲最佳結(jié)果的多種技術(shù)。

該工具是否可利用現(xiàn)有的數(shù)據(jù)和設(shè)備：選擇一種數(shù)據(jù)挖掘工具，它能利用現(xiàn)存的數(shù)據(jù)——或數(shù)據(jù)庫中或文件中，也能與現(xiàn)有的分析和可視化工具相兼容。你不會愿意因?yàn)椴荒芾矛F(xiàn)有的數(shù)據(jù)庫而浪費(fèi)時(shí)間和資源再新建一個(gè)。選擇一種可發(fā)送一致的、高質(zhì)的結(jié)果的工具：要得到準(zhǔn)確的結(jié)果，需利用在各種情形下都能很好工作的、適應(yīng)性強(qiáng)的數(shù)據(jù)挖掘環(huán)境和各種數(shù)據(jù)的工具，而不是單一地為某一類型的數(shù)據(jù)或環(huán)境而設(shè)計(jì)的工具。工具應(yīng)該能管理任何可能有助于闡釋商務(wù)問題的數(shù)據(jù)。工具的開發(fā)能力：選擇一種能將結(jié)果合并入現(xiàn)有的和將來的操作應(yīng)用中的工具，是很重要的。評估與工具相關(guān)的所有權(quán)潛在的成本。SPSS

BaseSPSS

Base是一個(gè)服務(wù)于分析過程——計(jì)劃、數(shù)據(jù)收集，數(shù)據(jù)獲取和管理、分析、報(bào)告和開發(fā)的，有標(biāo)準(zhǔn)組件、緊密結(jié)合、全系列的產(chǎn)品線，也是數(shù)據(jù)挖掘程序的關(guān)鍵組件。首先，SPSS可以讓你更快訪問和分析大型數(shù)據(jù)，并且可以處理其他分析工具無法解決的大型數(shù)據(jù)，因?yàn)镾PSS事實(shí)上完全取消了一般分析工具普遍存在的文件大小限制。進(jìn)行數(shù)據(jù)分析之前，需要準(zhǔn)備數(shù)據(jù)以便分析。利用SPSS

Base，可以輕松地實(shí)現(xiàn)數(shù)據(jù)字典的建立，并且利用定義數(shù)據(jù)屬性工具，可使分析前進(jìn)行的數(shù)據(jù)準(zhǔn)備工作更加快捷。SPSS使人們能夠輕松地識別重復(fù)觀測，以便在數(shù)據(jù)分析前刪除它們。而且，SPSS能使分析連續(xù)型數(shù)據(jù)的準(zhǔn)備工作簡單易行?？梢栽谝粋€(gè)SPSS會話同時(shí)打開多個(gè)數(shù)據(jù)集，這樣既節(jié)省時(shí)間，又精簡了數(shù)據(jù)文件合并的步驟。這也確保了在多個(gè)數(shù)據(jù)集間，復(fù)制數(shù)據(jù)字典的連貫性等。在數(shù)據(jù)分析方面，除了一般常見的摘要統(tǒng)計(jì)和行列計(jì)算，SPSSBase還包括在基本分析中最受歡迎的統(tǒng)計(jì)功能，如集合、計(jì)數(shù)、交叉分析、分類、描述性統(tǒng)計(jì)、因子分析、回歸及聚類分析等，而且還可以把分析結(jié)果回寫到數(shù)據(jù)庫。SPSS

ClementineClementine是ISL（Integral

SolutionsLimited）公司開發(fā)的數(shù)據(jù)挖掘工具平臺。

1999年，SPSS公司收購了ISL公司，對Clementine產(chǎn)品進(jìn)行重新整合和開發(fā)，現(xiàn)在Clementine已經(jīng)成為SPSS公司的又一亮點(diǎn)。Clementine