基于Clementine的數(shù)據(jù)挖掘

第1章　數(shù)據(jù)挖掘和clementine使用概述
　1.1數(shù)據(jù)挖掘的產(chǎn)生背景
　1.2什么是數(shù)據(jù)挖掘
　1.3clementine軟件概述
第2章　clementine的數(shù)據(jù)讀入和數(shù)據(jù)集成
　2.1變量類型
　2.2讀人數(shù)據(jù)
　2.3生成實驗方案
　2.4數(shù)據(jù)集成
第3章　clementine的數(shù)據(jù)理解
　3.1變量說明
　3.2數(shù)據(jù)質(zhì)量的評估和調(diào)整
　3.3數(shù)據(jù)的排序
　3.4數(shù)據(jù)的分類匯總
　3.5用戶報表
第4章　clementine的數(shù)據(jù)準(zhǔn)備
　4.1變量變換
　4.2變量派生
　4.3數(shù)據(jù)精簡
　4.4數(shù)據(jù)篩選
　4.5數(shù)據(jù)準(zhǔn)備的其他工作
第5章　clementine的基本分析
　5.1數(shù)值型變量的基本分析
　5.2兩分類型變量相關(guān)性的研究
　5.3兩總體的均值比較
　5.4rfm分析
第6章　clementine的數(shù)據(jù)精簡
　6.1變量值的離散化處理
　6.2特征選擇
　6.3因子分析
第7章　分類預(yù)測：clementine的決策樹
　7.1決策樹算法概述
　7.2clementine的c5.0算法及應(yīng)用
　7.3clementine的分類回歸樹及應(yīng)用
　7.4clementine的chaid算法及應(yīng)用
　7.5clementine的quest算法及應(yīng)用
　7.6模型的對比分析
第8章　分類預(yù)測：clementine的人工神經(jīng)網(wǎng)絡(luò)
　8.1人工神經(jīng)網(wǎng)絡(luò)算法概述
　8.2clementine的b-p反向傳播網(wǎng)絡(luò)
　8.3clementine的b-p反向傳播網(wǎng)絡(luò)的應(yīng)用
　8.4clementine的徑向基函數(shù)網(wǎng)絡(luò)及應(yīng)用
第9章　分類預(yù)測：clementine的支持向量機(jī)
　9.1支持向量分類的基本思路
　9.2支持向量分類的基本原理
　9.3支持向量回歸
　9.4支持向量機(jī)的應(yīng)用
第10章　分類預(yù)測：clementine的logistic回歸分析
　10.1logistic回歸分析概述
　10.2二項logistic回歸分析
　10.3二項logistic回歸分析的應(yīng)用
　10.4多項logistic回歸分析及應(yīng)用
第11章　分類預(yù)測：clementine的判別分析
　11.1距離判別法
　11.2fisher判別法
　11.3貝葉斯判別法
　11.4判別分析的應(yīng)用
第12章　分類預(yù)測：clementine的貝葉斯網(wǎng)絡(luò)
　12.1貝葉斯方法基礎(chǔ)
　12.2貝葉斯網(wǎng)絡(luò)概述
　12.3tan貝葉斯網(wǎng)絡(luò)
　12.4馬爾科夫毯網(wǎng)絡(luò)
　12.5貝葉斯網(wǎng)絡(luò)的應(yīng)用
第13章　探索內(nèi)部結(jié)構(gòu)：clementine的聚類分析
　13.1聚類分析的一般問題
　13.2clementine的k-means聚類及應(yīng)用
　13.3clementine的兩步聚類及應(yīng)用
　13.4clementine的kohonen網(wǎng)絡(luò)聚類及應(yīng)用
　13.5基于聚類分析的離群點探索
第14章　探索內(nèi)部結(jié)構(gòu)：clementine的關(guān)聯(lián)分析
　14.1簡單關(guān)聯(lián)規(guī)則及其有效性
　14.2clementine的apriori算法及應(yīng)用
　14.3clementine的gri算法及應(yīng)用
　14.4clementine的序列關(guān)聯(lián)及應(yīng)用
參考文獻(xiàn)