《IBM SPSS數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例精粹》以IBM SPSS Statistics 20.0和IBM SPSS Modeler 14.1為工具，提供了醫(yī)療、金融、保險、汽車、快速消費品、市場研究、互聯(lián)網(wǎng)等多個行業(yè)的數(shù)據(jù)分析／挖掘案例，基于實戰(zhàn)需求，詳細講解整個案例的完整分析過程，并將模型和軟件的介紹融于案例講解之中，使讀者在閱讀時能突破方法和工具的局限，真正聚集于對數(shù)據(jù)分析精髓的領(lǐng)悟�！禝BM SPSS數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例精粹》所附光盤包括案例數(shù)據(jù)和分析程序／流文件，讀者可完整重現(xiàn)全部的分析內(nèi)容。
目錄：
第一部分 spss數(shù)據(jù)分析基礎(chǔ)
第1章 數(shù)據(jù)分析方法論簡介
1.1 三種數(shù)據(jù)分析方法論
1.2 crisp-dm方法論介紹
第2章 數(shù)據(jù)分析方法體系簡介
2.1 統(tǒng)計軟件中的數(shù)據(jù)存儲格式
2.2 數(shù)據(jù)的統(tǒng)計描述與參數(shù)估計
2.3 常用假設檢驗方法
2.4 多變量模型
2.5 多元統(tǒng)計分析模型
2.6 智能統(tǒng)計分析／數(shù)據(jù)挖掘方法
第3章 ibm spss statistics操作入門
3.1 案例背景
3.2 數(shù)據(jù)文件的讀入與變量整理
3.3 問卷數(shù)據(jù)分析
3.4 項目總結(jié)和討論
第4章 ibm spss statistics操作進階
4.1 案例背景
4.2 問卷錄入
4.3 問卷質(zhì)量校驗
4.4 問卷數(shù)據(jù)分析
4.5 項目總結(jié)和討論
第5章 ibm spss modeler操作入門
5.1 ibm spss modeler概述
5.2 ibm spss modeler相關(guān)操作與技巧
5.3 ibm spss modeler功能介紹
5.4 案例分析：藥物選擇決策支持
5.5 如何進一步學習ibm spss modeler
第二部分 影響因素發(fā)現(xiàn)與數(shù)值預測
第6章 酸奶飲料新產(chǎn)品口味測試
研究案例
6.1 案例背景
6.2 數(shù)據(jù)理解
6.3 不同品牌的評分差異分析
6.4 兩因素方差分析模型分析
6.5 分析結(jié)論與討論
第7章 偏態(tài)分布的激素水平影響因素分析
7.1 案例背景
7.2 數(shù)據(jù)理解
7.3 對因變量變換后的建模分析
7.4 秩變換分析
7.5 利用cox模型進行分析
7.6 項目總結(jié)與討論
第8章 某車企汽車年銷量預測案例
8.1 案例背景
8.2 數(shù)據(jù)理解
8.3 變量變換后的線性回歸
8.4 曲線擬合
8.5 利用非線性回歸進行擬合
8.6 項目總結(jié)與討論
第9章 腦外傷急救后遲發(fā)性顱腦損傷影響因素分析案例
9.1 案例背景
9.2 數(shù)據(jù)理解
9.3 構(gòu)建二分類logistic回歸模型
9.4 利用樹模型發(fā)現(xiàn)交互項
9.5 使用廣義線性過程進行分析
9.6 項目總結(jié)與討論
第10章 中國消費者信心指數(shù)影響因素分析
10.1 案例背景
10.2 數(shù)據(jù)理解
10.3 標準glm框架下的建模分析
10.4 多元方差分析模型的結(jié)果
10.5 最優(yōu)尺度回歸
10.6 多水平模型框架下的建模分析
10.7 項目總結(jié)與討論
第三部分 信息濃縮、分類與感知圖呈現(xiàn)
第11章 探討消費者購買保健品的動機
11.1 案例背景
11.2 數(shù)據(jù)理解
11.3 利用因子分析進行信息濃縮
11.4 基于因子分析結(jié)果進行市場細分
11.5 項目總結(jié)與討論
第12章 1988年漢城奧運會男子十項全能成績分析
12.1 案例背景
12.2 數(shù)據(jù)理解
12.3 利用因子分析進行信息濃縮
12.4 主成分回歸
12.5 將主成分回歸方程還原回原始變量的形式
12.6 項目總結(jié)與討論
第13章 打敗sars
13.1 案例背景
13.2 數(shù)據(jù)理解與數(shù)據(jù)準備
13.3 “非典”信息關(guān)注傾向的多維偏好分析
13.4 突發(fā)事件險種購買傾向的多重對應分析
13.5 “非典”對未來生活方式的影響
13.6 項目總結(jié)與討論
第14章 住院費用影響因素挖掘
14.1 案例背景
14.2 數(shù)據(jù)理解與數(shù)據(jù)準備
14.3 采用聚類分析尋找費用類型
14.4 住院費用影響因素的神經(jīng)網(wǎng)絡分析
14.5 不同療法療效與費用比較的神經(jīng)網(wǎng)絡分析
14.6 項目總結(jié)與討論
第四部分 數(shù)據(jù)挖掘案例精選
第15章 淘寶大賣家之營銷數(shù)據(jù)分析
15.1 案例背景
15.2 利用rfm模型定位促銷名單
15.3 尋找有重購行為買家的特征
15.4 總結(jié)與討論
第16章 超市商品購買關(guān)聯(lián)分析
16.1 案例背景
16.2 數(shù)據(jù)準備
16.3 商品購買關(guān)聯(lián)分析
16.4 結(jié)果應用
第17章 電信業(yè)客戶流失分析
17.1 案例背景
17.2 商業(yè)理解
17.3 數(shù)據(jù)理解與數(shù)據(jù)準備
17.4 建立模型與模型評估
17.5 模型的應用及營銷預演
17.6 總結(jié)與討論
第18章 信用風險評分方法
18.1 案例背景
18.2 商業(yè)理解
18.3 數(shù)據(jù)理解與數(shù)據(jù)準備
18.4 建立模型與模型評估
18.5 對若干問題的說明
第19章 醫(yī)療保險業(yè)的欺詐發(fā)現(xiàn)
19.1 案例背景
19.2 商業(yè)理解
19.3 數(shù)據(jù)理解與數(shù)據(jù)準備
19.4 建立模型
19.5 結(jié)果發(fā)布
19.6 進一步閱讀
第20章 電子商務中的數(shù)據(jù)挖掘應用
20.1 案例背景
20.2 數(shù)據(jù)理解
20.3 數(shù)據(jù)準備
20.4 建立模型與模型發(fā)布
20.5 進一步閱讀
附錄
附錄a 本書光盤內(nèi)容介紹
附錄b spss軟件的安裝與激活
附錄c 書中統(tǒng)計方法、模型與知識點
索引
附錄d ibm spss statiscs函數(shù)一覽表
附錄e ibm spss modeler節(jié)點功能簡介
參考文獻
后記
|
