标签分类
当前位置:首页 > 数据库电子书 > 数据可视化电子书网盘下载
数据可视化与数据挖掘:基于Tableau和SPSS Modeler图形界面 数据可视化与数据挖掘:基于Tableau和SPSS Modeler图形界面
caofeng891102

caofeng891102 提供上传

资源
28
粉丝
21
喜欢
139
评论
8

    数据可视化与数据挖掘:基于Tableau和SPSS Modeler图形界面 PDF 完整高清版

    数据可视化电子书
    • 发布时间:

    给大家带来的一篇关于数据可视化相关的电子书资源,介绍了关于数据可视化、数据挖掘、Tableau、SPSS、Modeler方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小37 MB,王国平编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.9,更多相关的学习资源可以参阅 数据库电子书、等栏目。

  • 数据可视化与数据挖掘:基于Tableau和SPSS Modeler图形界面 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1o3KNhPD5FjE5Jz667F8hkQ
  • 分享码:cm15
  • 数据可视化与数据挖掘 PDF

    大数据可视化容许运用图型、图象处理、计算机视觉及其操作界面,根据表述、模型及其对立体式、表层、特性及其动漫的显示信息,对统计数据多方面数据可视化表述,大数据可视化技术性在中国销售市场长期性看中,而目前中国有关书藉相对性偏少,这书挑选这一方位开展系统软件基本科学研究,期待为这些在想此行业有一定的发展趋势的用户出示学习培训协助。在这书中,人们最先详细介绍大数据可视化的某些基础知识,接着重中之重详细介绍应用Tableau、SAS及SPSS Modeler的数据可视化页面开展数据统计分析与大数据挖掘的方式 。

    目录

    • 序 言 1
    • 第1部分 11
    • 数据可视化篇 11
    • 1.1 数据可视化 12
    • 1.1.1 Tableau 13
    • 1.1.2 QlikView 15
    • 1.1.3 Power BI 15
    • 1.2 可视化数据挖掘 16
    • 1.2.1 IBM SPSS Modeler 16
    • 1.2.2 Intelligent Miner 17
    • 1.2.3 SAS Enterprise Miner 18
    • 2.1 软件页面简介 20
    • 2.1.1 开始页面 21
    • 2.1.2 数据源页面 23
    • 2.1.3 工作簿页面 24
    • 2.2 数据类型 25
    • 2.2.1 主要数据类型 25
    • 2.2.2 更改数据类型 26
    • 2.3 运算符及优先级 28
    • 2.3.1 算术运算符 28
    • 2.3.2 逻辑运算符 29
    • 2.3.3 比较运算符 29
    • 2.3.4 运算符优先级 29
    • 2.4 软件安装 30
    • 2.4.1软件下载 30
    • 2.4.2安装步骤 31
    • 2.4.3软件激活 35
    • 2.5 文件类型 37
    • 3.1连接到文件 39
    • 3.1.1 Excel文件 39
    • 3.1.2 文本文件 41
    • 3.1.3 Access 43
    • 3.1.4 JSON文件 45
    • 3.1.5 PDF文件 47
    • 3.1.6 空间文件 49
    • 3.1.7 统计文件 51
    • 3.1.8 其他文件 53
    • 3.2连接到数据库 54
    • 3.2.1Tableau Server 54
    • 3.2.2 SQL Server 55
    • 3.2.3 MySQL 56
    • 3.2.4 Oracle 58
    • 3.2.5 Amazon Redshift 59
    • 3.2.6 更多数据库 61
    • 4.1维度和度量 64
    • 4.1.1 维度 64
    • 4.1.2 度量 66
    • 4.2连续和离散 67
    • 4.2.1 连续字段 67
    • 4.2.2 离散字段 68
    • 4.3工作区操作 68
    • 4.3.1“数据”窗格 69
    • 4.3.2“分析”窗格 71
    • 4.3.3工具栏 71
    • 4.3.4状态栏 72
    • 4.3.5卡和功能区 73
    • 4.4工作表操作 74
    • 4.4.1创建工作表 75
    • 4.4.2复制工作表 75
    • 4.4.3导出工作表 77
    • 4.4.4删除工作表 77
    • 4.5Tableau高级应用 78
    • 4.5.1表计算 78
    • 4.5.2创建字段 81
    • 4.5.3创建参数 83
    • 4.5.4聚合计算 90
    • 4.5.5缺失值处理 92
    • 5.1单变量图形 95
    • 5.1.1条形图 95
    • 5.1.2饼图 98
    • 5.1.3直方图 100
    • 5.1.4折线图 101
    • 5.2 多变量图形 103
    • 5.2.1散点图 103
    • 5.2.2甘特图 105
    • 5.3 地图 106
    • 5.3.1设置角色 106
    • 5.3.2标记地图 108
    • 5.3.3添加字段信息 108
    • 5.3.4设置地图选项 109
    • 5.3.5创建分布图 112
    • 5.3.6自定义地图 112
    • 第2部分 114
    • 可视化数据挖掘篇 114
    • 6.1 软件简介 115
    • 6.1.1 软件历史 115
    • 6.1.2 软件界面 117
    • 6.1.3 软件特点 123
    • 6.2 算法及功能 124
    • 6.2.1 软件算法 124
    • 6.2.2 软件功能 125
    • 6.3 软件安装及启动 127
    • 6.3.1 软件安装 127
    • 6.3.2 授权许可 131
    • 6.3.3 启动软件 134
    • 7.1 业务理解 137
    • 7.2 数据理解 138
    • 7.3 数据准备 138
    • 7.4 建立模型 140
    • 7.5 评估模型 140
    • 7.6 应用模型 141
    • 8.1 连接到文件 142
    • 8.1.1 Excel文件 142
    • 8.1.2 变量文件 143
    • 8.1.3 固定文件 145
    • 8.1.4 SAS文件 146
    • 8.1.5 Statistics文件 146
    • 8.2 连接到数据库 147
    • 9.1 数据流操作 151
    • 9.1.1 生成数据流 151
    • 9.1.2 添加和删除节点 151
    • 9.1.3 连接数据流 152
    • 9.1.4 修改连接节点 153
    • 9.1.5 执行数据流 155
    • 9.2 图形制作 155
    • 9.2.1 散点图 155
    • 9.2.2 直方图 157
    • 9.2.3 网络图 158
    • 9.2.4 评估图 160
    • 第3部分 162
    • 案例实战篇 162
    • 10.1 建模思路 164
    • 10.2 Logistic回归 165
    • 10.3 业务理解 167
    • 10.4 数据理解 168
    • 10.5 数据准备 171
    • 10.6 建立模型 173
    • 10.6.1 模型参数设置 173
    • 10.6.2 模型运行结果 183
    • 10.7 模型评估 187
    • 10.7.1 模型精确度 187
    • 10.7.2 模型拟合度 187
    • 10.8 模型应用 189
    • 10.9 小结 192
    • 11.1 建模思路 194
    • 11.2 时间序列模型 195
    • 11.3 业务理解 196
    • 11.4 数据理解 197
    • 11.5 数据准备 198
    • 11.6 建立模型 200
    • 11.6.1模型参数设置 200
    • 11.6.2 模型运行结果 216
    • 11.7 模型评估 218
    • 11.8 模型应用 220
    • 11.9 小结 221
    • 12.1 建模思路 223
    • 12.2 聚类模型 224
    • 12.3 业务理解 225
    • 12.4 数据理解 226
    • 12.5 数据准备 228
    • 12.6 建立模型 230
    • 12.6.1模型参数设置 230
    • 12.6.2 模型运行结果 233
    • 12.7 模型评估 236
    • 12.8 模型应用 239
    • 12.9 小结 241
    • 13.1 建模思路 243
    • 13.2 判别分析 244
    • 13.3 业务理解 245
    • 13.4 数据理解 246
    • 13.5 数据准备 248
    • 13.6 建立模型 249
    • 13.6.1 模型参数设置 249
    • 13.6.2模型运行结果 257
    • 13.7 模型评估 262
    • 13.8 模型应用 263
    • 13.9 小结 265
    • 14.1 建模思路 268
    • 14.2 神经网络模型 269
    • 14.2.1 神经元 270
    • 14.2.2 多层感知器 272
    • 14.2.3 径向基函数 273
    • 14.3 业务理解 275
    • 14.4 数据理解 276
    • 14.5 数据准备 278
    • 14.6 建立模型 280
    • 14.6.1 模型参数设置 280
    • 14.6.2模型运行结果 287
    • 14.7 模型评估 291
    • 14.8 模型应用 292
    • 14.9 小结 294
    • 15.1 建模思路 296
    • 15.2 决策树模型 297
    • 15.3 业务理解 299
    • 15.4 数据理解 300
    • 15.5 数据准备 303
    • 15.6 建立模型 306
    • 15.6.1 模型参数设置 306
    • 15.6.2 模型运行结果 316
    • 15.7 模型评估 318
    • 15.7.1 模型精确度 318
    • 15.7.2 模型拟合度 318
    • 15.8 模型应用 320
    • 15.9 小结 323
    • 附录A 324
    • 配置MySQL ODBC数据源 324
    • A1 添加数据源管理器 324
    • A2 选择相应的驱动程序 324
    • A3 连接数据库服务器 325
    • 附录B 327
    • Tableau重要函数 327
    • B1 数字函数 327
    • B2 字符串函数 329
    • B3 日期函数 331
    • B4 类型转换 334
    • B5 逻辑函数 335
    • B6 聚合函数 337
    • B7 直通函数 338
    • B8 用户函数 340
    • B9 表计算函数 341
    • B10 其他函数 346
    • 附录C 349
    • SPSS Modele函数 349
    • C1 信息函数 349
    • C2 转换函数 350
    • C3 比较函数 351
    • C4 逻辑函数 352
    • C5 数值函数 352
    • C6 三角函数 353
    • C7 概率函数 354
    • C8 位元整数运算 354
    • C9 随机函数 355
    • C10 字符串函数 356
    • C11 日期和时间函数 359
    • C12 序列函数 362
    • C13 全局函数 365
    • C14 空值和Null值处理函数 366
    • C15 特殊函数 366

    上一篇:Windows游戏编程大师技巧  下一篇:Java核心技术及面试指南

    展开 +

    收起 -

    码小辫二维码
     

    数据可视化相关电子书
    学习笔记
    网友NO.901123

    深入分析python数据挖掘 Json结构分析

    这篇文章通过实例给大家分析总结了python数据挖掘以及Json结构分析的相关知识点,对此有兴趣的朋友参考下。 json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式 这种格式的文件是我们在数据处理经常会遇到的 python提供内置的模块json,只需要在使用前导入即可 你可以通过帮助函数查看json的帮助文档 json常用的方法有load、loads、dump以及dumps,这个都属于python初级,我不做过多解释 json可以结合数据库一起使用,在这以后要处理大量数据时非常有用 下面我们正式来利用数据挖掘对json文件进行处理 现在很多网站都运用了Ajax,所以一般很多都是XHR文件 通过这里我想利用一个地图网站来演示 我们通过浏览器的调试获取了相关url https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQ 下面我们通过requests模块中的get方法,模拟浏览器发出的http请求,并返回的到的结果对象 代码如下 # coding=utf-8__Author__ = susmoteimport requestsurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = requests.get(url)print(resp.text[0:200]) 在终端中运行结果如下 数据已经获取到了,但是为了接下来能使用这些数据,我们需要利用json模块对这些数据进行分析 代码如下 import requestsimport jsonurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = request……

    网友NO.791781

    python数据挖掘需要学什么

    只要能解决实际问题,用什么工具来学习数据挖掘都是无所谓,这里首推Python。 需要掌握Python中的哪些知识? (推荐学习:Python视频教程) 1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容: · Numpy array理解; · 数组索引操作; · 数组计算; · Broadcasting(线性代数里面的知识) 3、数据可视化-matplotlib与seaborn · Matplotib语法 python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像,要搞清楚二者的关系是什么,这样学习起来才会比较轻松。 · seaborn的使用 seaborn是一个非常漂亮的可视化工具。 · pandas绘图功能 前面说过pandas是做数据分析的,但它也提供了一些绘图的API。 4、数据挖掘入门 这部分是最难也是最有意思的一部分,要掌握以下几个部分: · 机器学习的定义 在这里跟数据挖掘先不做区别 · 代价函数的定义 · Train/Test/Validate · Overfitting的定义与避免方法 5、数据挖掘算法 数据挖掘发展到现在,算法已经非常多,下面只需掌握最简单的,最核……

    网友NO.895025

    python数据挖掘需要学的内容

    1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容: · Numpy array理解; · 数组索引操作; · 数组计算; · Broadcasting(线性代数里面的知识) 3、数据可视化-matplotlib与seaborn · Matplotib语法 python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像,要搞清楚二者的关系是什么,这样学习起来才会比较轻松。 · seaborn的使用 seaborn是一个非常漂亮的可视化工具。 · pandas绘图功能 前面说过pandas是做数据分析的,但它也提供了一些绘图的API。 4、数据挖掘入门 这部分是最难也是最有意思的一部分,要掌握以下几个部分: · 机器学习的定义 在这里跟数据挖掘先不做区别 · 代价函数的定义 · Train/Test/Validate · Overfitting的定义与避免方法 5、数据挖掘算法 数据挖掘发展到现在,算法已经非常多,下面只需掌握最简单的,最核心的,最常用的算法: · 最小二乘算法; · 梯度下降; · 向量化; · 极大似然估计; · Logistic Regression; · Decision Tree; · RandomForesr;……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明