基于Clementine的数据挖掘

1 (p1): 第1章 数据挖掘和Clementine使用概述
1 (p1-1): 1.1数据挖掘的产生背景
8 (p1-2): 1.2什么是数据挖掘
23 (p1-3): 1.3 Clementine软件概述
41 (p2): 第2章 Clementine的数据读入和数据集成
41 (p2-1): 2.1变量类型
43 (p2-2): 2.2读入数据
53 (p2-3): 2.3生成实验方案
55 (p2-4): 2.4数据集成
65 (p3): 第3章 Clementine的数据理解
65 (p3-1): 3.1变量说明
71 (p3-2): 3.2数据质量的评估和调整
81 (p3-3): 3.3数据的排序
85 (p3-4): 3.4数据的分类汇总
87 (p3-5): 3.5用户报表
94 (p4): 第4章 Clementine的数据准备
94 (p4-1): 4.1变量变换
102 (p4-2): 4.2变量派生
113 (p4-3): 4.3数据精简
117 (p4-4): 4.4数据筛选
122 (p4-5): 4.5数据准备的其他工作
133 (p5): 第5章 Clementine的基本分析
133 (p5-1): 5.1数值型变量的基本分析
145 (p5-2): 5.2两分类型变量相关性的研究
157 (p5-3): 5.3两总体的均值比较
166 (p5-4): 5.4 RFM分析
173 (p6): 第6章 Clementine的数据精简
173 (p6-1): 6.1变量值的离散化处理
184 (p6-2): 6.2特征选择
191 (p6-3): 6.3因子分析
206 (p7): 第7章 分类预测：Clementine的决策树
207 (p7-1): 7.1决策树算法概述
212 (p7-2): 7.2 Clementine的C5.0算法及应用
238 (p7-3): 7.3 Clementine的分类回归树及应用
258 (p7-4): 7.4 Clementine的CHAID算法及应用
264 (p7-5): 7.5 Clementine的QUEST算法及应用
266 (p7-6): 7.6模型的对比分析
275 (p8): 第8章 分类预测：Clementine的人工神经网络
276 (p8-1): 8.1人工神经网络算法概述
282 (p8-2): 8.2 Clementine的B-P反向传播网络
296 (p8-3): 8.3 Clementine的B-P反向传播网络的应用
301 (p8-4): 8.4 Clementine的径向基函数网络及应用
306 (p9): 第9章 分类预测：Clementine的支持向量机
306 (p9-1): 9.1支持向量分类的基本思路
310 (p9-2): 9.2支持向量分类的基本原理
317 (p9-3): 9.3支持向量回归
321 (p9-4): 9.4支持向量机的应用
325 (p10): 第10章 分类预测：Clementine的Logistic回归分析
325 (p10-1): 10.1 Logistic回归分析概述
326 (p10-2): 10.2二项Logistic回归分析
335 (p10-3): 10.3二项Logistic回归分析的应用
346 (p10-4): 10.4多项Logistic回归分析及应用
353 (p11): 第11章 分类预测：Clementine的判别分析
354 (p11-1): 11.1距离判别法
356 (p11-2): 11.2 Fisher判别法
359 (p11-3): 11.3贝叶斯判别法
360 (p11-4): 11.4判别分析的应用
373 (p12): 第12章 分类预测：Clementine的贝叶斯网络
373 (p12-1): 12.1贝叶斯方法基础
377 (p12-2): 12.2贝叶斯网络概述
380 (p12-3): 12.3 TAN贝叶斯网络
386 (p12-4): 12.4马尔科夫毯网络
389 (p12-5): 12.5贝叶斯网络的应用
397 (p13): 第13章 探索内部结构：Clementine的聚类分析
397 (p13-1): 13.1聚类分析的一般问题
398 (p13-2): 13.2 Clementine的K-Means聚类及应用
407 (p13-3): 13.3 Clementine的两步聚类及应用
416 (p13-4): 13.4 Clementine的Kohonen网络聚类及应用
427 (p13-5): 13.5基于聚类分析的离群点探索
435 (p14): 第14章 探索内部结构：Clementine的关联分析
436…