当前位置:首页 > 行业软件及应用 >
《IBM SPSS数据分析与挖掘实战案例精粹》电子书封面

IBM SPSS数据分析与挖掘实战案例精粹

  • 发布时间:2020年06月09日 09:54:48
  • 作者:张文彤
  • 大小:166 MB
  • 类别:IBM电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:8.8

    IBM SPSS数据分析与挖掘实战案例精粹 PDF 高清版

      给大家带来的一篇关于IBM相关的电子书资源,介绍了关于IBM、SPSS、数据分析、数据挖掘方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小166 MB,张文彤编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.5。

      内容介绍

      IBM SPSS数据分析与挖掘实战案例精粹》以IBM SPSS Statistics 20.0和IBM SPSS Modeler 14.1为工具,提供了医疗、金融、保险、汽车、快速消费品、市场研究、互联网等多个行业的数据分析/挖掘案例,基于实战需求,详细讲解整个案例的完整分析过程,并将模型和软件的介绍融于案例讲解之中,使读者在阅读时能突破方法和工具的局限,真正聚集于对数据分析精髓的领悟。《IBM SPSS数据分析与挖掘实战案例精粹》所附光盘包括案例数据和分析程序/流文件,读者可完整重现全部的分析内容。

      目录

      • 第一部分 spss数据分析基础
      • 第1章 数据分析方法论简介
      • 1.1 三种数据分析方法论
      • 1.2 crisp-dm方法论介绍
      • 第2章 数据分析方法体系简介
      • 2.1 统计软件中的数据存储格式
      • 2.2 数据的统计描述与参数估计
      • 2.3 常用假设检验方法
      • 2.4 多变量模型
      • 2.5 多元统计分析模型
      • 2.6 智能统计分析/数据挖掘方法
      • 第3章 ibm spss statistics操作入门
      • 3.1 案例背景
      • 3.2 数据文件的读入与变量整理
      • 3.3 问卷数据分析
      • 3.4 项目总结和讨论
      • 第4章 ibm spss statistics操作进阶
      • 4.1 案例背景
      • 4.2 问卷录入
      • 4.3 问卷质量校验
      • 4.4 问卷数据分析
      • 4.5 项目总结和讨论
      • 第5章 ibm spss modeler操作入门
      • 5.1 ibm spss modeler概述
      • 5.2 ibm spss modeler相关操作与技巧
      • 5.3 ibm spss modeler功能介绍
      • 5.4 案例分析:药物选择决策支持
      • 5.5 如何进一步学习ibm spss modeler
      • 第二部分 影响因素发现与数值预测
      • 第6章 酸奶饮料新产品口味测试
      • 研究案例
      • 6.1 案例背景
      • 6.2 数据理解
      • 6.3 不同品牌的评分差异分析
      • 6.4 两因素方差分析模型分析
      • 6.5 分析结论与讨论
      • 第7章 偏态分布的激素水平影响因素分析
      • 7.1 案例背景
      • 7.2 数据理解
      • 7.3 对因变量变换后的建模分析
      • 7.4 秩变换分析
      • 7.5 利用cox模型进行分析
      • 7.6 项目总结与讨论
      • 第8章 某车企汽车年销量预测案例
      • 8.1 案例背景
      • 8.2 数据理解
      • 8.3 变量变换后的线性回归
      • 8.4 曲线拟合
      • 8.5 利用非线性回归进行拟合
      • 8.6 项目总结与讨论
      • 第9章 脑外伤急救后迟发性颅脑损伤影响因素分析案例
      • 9.1 案例背景
      • 9.2 数据理解
      • 9.3 构建二分类logistic回归模型
      • 9.4 利用树模型发现交互项
      • 9.5 使用广义线性过程进行分析
      • 9.6 项目总结与讨论
      • 第10章 中国消费者信心指数影响因素分析
      • 10.1 案例背景
      • 10.2 数据理解
      • 10.3 标准glm框架下的建模分析
      • 10.4 多元方差分析模型的结果
      • 10.5 最优尺度回归
      • 10.6 多水平模型框架下的建模分析
      • 10.7 项目总结与讨论
      • 第三部分 信息浓缩、分类与感知图呈现
      • 第11章 探讨消费者购买保健品的动机
      • 11.1 案例背景
      • 11.2 数据理解
      • 11.3 利用因子分析进行信息浓缩
      • 11.4 基于因子分析结果进行市场细分
      • 11.5 项目总结与讨论
      • 第12章 1988年汉城奥运会男子十项全能成绩分析
      • 12.1 案例背景
      • 12.2 数据理解
      • 12.3 利用因子分析进行信息浓缩
      • 12.4 主成分回归
      • 12.5 将主成分回归方程还原回原始变量的形式
      • 12.6 项目总结与讨论
      • 第13章 打败sars
      • 13.1 案例背景
      • 13.2 数据理解与数据准备
      • 13.3 “非典”信息关注倾向的多维偏好分析
      • 13.4 突发事件险种购买倾向的多重对应分析
      • 13.5 “非典”对未来生活方式的影响
      • 13.6 项目总结与讨论
      • 第14章 住院费用影响因素挖掘
      • 14.1 案例背景
      • 14.2 数据理解与数据准备
      • 14.3 采用聚类分析寻找费用类型
      • 14.4 住院费用影响因素的神经网络分析
      • 14.5 不同疗法疗效与费用比较的神经网络分析
      • 14.6 项目总结与讨论
      • 第四部分 数据挖掘案例精选
      • 第15章 淘宝大卖家之营销数据分析
      • 15.1 案例背景
      • 15.2 利用rfm模型定位促销名单
      • 15.3 寻找有重购行为买家的特征
      • 15.4 总结与讨论
      • 第16章 超市商品购买关联分析
      • 16.1 案例背景
      • 16.2 数据准备
      • 16.3 商品购买关联分析
      • 16.4 结果应用
      • 第17章 电信业客户流失分析
      • 17.1 案例背景
      • 17.2 商业理解
      • 17.3 数据理解与数据准备
      • 17.4 建立模型与模型评估
      • 17.5 模型的应用及营销预演
      • 17.6 总结与讨论
      • 第18章 信用风险评分方法
      • 18.1 案例背景
      • 18.2 商业理解
      • 18.3 数据理解与数据准备
      • 18.4 建立模型与模型评估
      • 18.5 对若干问题的说明
      • 第19章 医疗保险业的欺诈发现
      • 19.1 案例背景
      • 19.2 商业理解
      • 19.3 数据理解与数据准备
      • 19.4 建立模型
      • 19.5 结果发布
      • 19.6 进一步阅读
      • 第20章 电子商务中的数据挖掘应用
      • 20.1 案例背景
      • 20.2 数据理解
      • 20.3 数据准备
      • 20.4 建立模型与模型发布
      • 20.5 进一步阅读
      • 附录
      • 附录a 本书光盘内容介绍
      • 附录b spss软件的安装与激活
      • 附录c 书中统计方法、模型与知识点
      • 索引
      • 附录d ibm spss statiscs函数一览表
      • 附录e ibm spss modeler节点功能简介
      • 参考文献
      • 后记

      学习笔记

      python数据分析要学什么

      python数据分析需要掌握哪些内容呢? 编程基础 如果你是一个对编程毫无经验的小白,那么首先你应该掌握一定的编程基础(尤其像从其它行业转行到IT行业的朋友们)。对于新手来说,博主认为Python语言是最佳的选择。作为一个解释型的动态高级语言,Python易于理解,上手简单,非常适合初学者学习。一本快速入门Python语言的书籍推荐:简明Python。这本书英文原版为《A Byte of Python》,经翻译变为《简明Python》。博主也给好多人推荐过,大家看过之后基本上都很认同,是入门Python最快效果最好的书籍。 如果你已经了解了Python编程的基础用法想要继续深入学习Pyhon,那么博主推荐你去看:廖学峰Python教程……

      Python同时对数据做转换和换算的方法介绍与分析(附实例)

      本篇文章给大家带来的内容是关于Python同时对数据做转换和换算的方法介绍与分析(附实例),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。 1、需求 我们需要调用一个换算函数(例如sum()、min()、max()),但首先得对数据做转换或者筛选 2、解决方案 有一种非常优雅地方案能够将数据换算和转换结合在一起:在函数参数中使用生成器表达式。 实例1:计算平方和: nums=[1,2,3]s=sum(x*x for x in nums)print(s) 结果: 14 实例2:判断指定目录是否存在.py文件 import osfilename=os.path.dirname(os.path.abspath(__file__))files1=os.listdir(filename+/image)files2=os.listdir(filename)#any表示该iterable只要存在一个满足条件的,欧……

      Python数据分析之真实IP请求Pandas详解

      前言 pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包类似于 Numpy 的核心是 ndarray,pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的 。Series 和 DataFrame 分别对应于一维的序列和二维的表结构。pandas 约定俗成的导入方法如下: from pandas import Series,DataFrameimport pandas as pd 1.1. Pandas分析步骤 1、载入日志数据 2、载入area_ip数据 3、将 real_ip 请求数 进行 COUNT。类似如下SQL: SELECT inet_aton(l.real_ip), count(*), a.addrFROM log AS lINNER JOIN area_ip AS a ON a.start_ip_num = inet_aton(l.real_ip) AND a.end_ip_num = inet_aton(l.real_ip)GROUP BY real_ipORDER BY count(*)LIMIT 0, 100; 1.2. 代码 cat pd_ng_log_stat.py#!/usr/bin/env python#-*- coding: utf-8 -*……

      Python数据分析之双色球统计两个红和蓝球哪组合比例高的方法

      本文实例讲述了Python数据分析之双色球统计两个红和蓝球哪组合比例高的方法。分享给大家供大家参考,具体如下: 统计两个红球和蓝球,哪个组合最多,显示前19组数据 #!/usr/bin/python# -*- coding:UTF-8 -*-import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport operator#导入数据df = pd.read_table('newdata.txt',header=None,sep=',')tdate = sorted(df.loc[:,0])# print tdate#第1、2列的红球h1 = df.loc[:,1:2].values# print h1#第2、3列的红球h2 = df.loc[:,2:3].values#第3、4列的红球h3 = df.loc[:,3:4].values#第4、5列的红球h4 = df.loc[:,4:5].values#第5、6列的红球h5 = df.loc[:,5:6].values#蓝球b1 = df.loc[:,7:7].values# print b1#第1、3列红球h6 = df.loc[:,1:3:2].valuesh7 = df.loc[:,1:4:3……

      详解Python数据分析--Pandas知识点

      本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘 1. 重复值的处理 利用drop_duplicates()函数删除数据表中重复多余的记录, 比如删除重复多余的ID. import pandas as pd df = pd.DataFrame({"ID": ["A1000","A1001","A1002", "A1002"], "departmentId": [60001,60001, 60001, 60001]}) df.drop_duplicates() 2. 缺失值的处理 缺失值是数据中因缺少信息而造成的数据聚类, 分组, 截断等 2.1 缺失值产生的原因 主要原因可以分为两种: 人为原因和机械原因. 1) 人为原因: 由于人的主观失误造成数据的缺失, 比如数据录入人员的疏漏; 2) 机械原因: 由于机械故障导致的数据收集或者数据保存失败从而造成数据的缺失. 2.2 缺失值的处理方式 缺失值……

      以上就是本次介绍的IBM电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:加密与认证技术的数学基础

      下一篇:零基础学算法

      展开 +

      收起 -

      • 《IBM SPSS数据分析与挖掘实战案例精粹》PDF下载

      下载地址:百度网盘下载
      IBM相关电子书
      Excel图表与数据分析实战秘技250招
      Excel图表与数据分析实战秘技250招 高清版

      Excel图表与数据分析实战秘技250招 打破了传统的按部就班讲解知识的模式,通过250个实战秘技的讲解,带领读者学习Excel图表与数据分析高效办公实战技巧,无论是新手还是经常使用Excel的行家

      立即下载
      R语言实战:机器学习与数据分析
      R语言实战:机器学习与数据分析 全书影印版 立即下载
      基于Apache Kylin 构建大数据分析平台
      基于Apache Kylin 构建大数据分析平台 原书扫描版 立即下载
      数据分析:企业的贤内助
      数据分析:企业的贤内助 高清版

      真正的好书不在于给出答案,而在于给出思考问题的方法。本书选择人物对话的形式,通过一问一答把读者带入到思考问题的情境,耳濡目染,感同身受。思路上清晰连贯,表达上深入浅出,

      立即下载
      对比Excel,轻松学习Python数据分析
      对比Excel,轻松学习Python数据分析 完整原版

      Python尽管是这门计算机语言,可是在数据分析行业保持的作用和Excel的基本要素相同,而Excel也是大伙儿较为了解、非常容易入门的手机软件,能够根据Excel数据分析去比照学习培训Python数据分

      立即下载
      ggplot2:数据分析与图形艺术
      ggplot2:数据分析与图形艺术 完整版

      ggplot2是Hadley在爱荷华州立大学博士研究生期间的作品,也是他博士论文的主题之一,事实上ggplot2还有个原名ggplot,但之后废料了,某种意义上这也是Hadley写软件的特征,了解他的人就知道这不

      立即下载
      大数据挖掘:系统方法与实例分析
      大数据挖掘:系统方法与实例分析 高清版

      大数据挖掘:系统方法与实例分析 是大数据挖掘领域的扛鼎之作,由全球科学计算领域的领导者MathWorks(MATLAB公司)官方的资深数据挖掘专家撰写,MathWorks官方及多位专家联袂推荐。 它从技术

      立即下载
      Hadoop+Spark大数据巨量分析与机器学习整合开发实战
      Hadoop+Spark大数据巨量分析与机器学习整合开发实战 高清完整版

      《Hadoop Spark大数据巨量分析与机器学习整合开发实战》 从浅显易懂的大数据和机器学习原理介绍和说明入手,讲述大数据和机器学习的基本概念,如:分类、分析、训练、建模、预测、机器学

      立即下载
      基于Python的大数据分析基础及实战
      基于Python的大数据分析基础及实战 高质量版

      配套设施教程视频教你如何学Python 提炼出避坑技能招式简要、高效率懂Python 实战演练经典案例轻轻松松、迅速玩Python 解读实践活动实例视頻源码源统计数据 对于Python初学者量身订做,新手入

      立即下载
      读者留言
      汪苑博

      汪苑博 提供上传

      资源
      47
      粉丝
      37
      喜欢
      155
      评论
      12

      Copyright 2018-2020 www.xz577.com 码农之家

      投诉 / 推广 / 赞助:QQ:520161757