دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Keith McCormick, Dean Abbott, Meta S. Brown, Tom Khabaza, Scott R. Mutchler سری: ISBN (شابک) : 1849685460, 9781849685467 ناشر: Packt Publishing سال نشر: 2013 تعداد صفحات: 383 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب IBM SPSS Modeler Cookbook به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب IBM SPSS Modeler Cookbook نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بیش از 60 دستور العمل عملی برای دستیابی به نتایج بهتر با استفاده از روش های متخصصان برای داده کاوی
نمای کلی
با جزئیات</ p>
IBM SPSS Modeler یک میز کار داده کاوی است که به شما امکان می دهد داده ها را کاوش کنید، روابط مهمی را شناسایی کنید که می توانید از آنها استفاده کنید و به سرعت مدل های پیش بینی بسازید که به سازمان شما اجازه می دهد تصمیمات خود را بر اساس داده های سخت و نه گمانه زنی یا حدس و گمان قرار دهد.</ p>
کتاب آشپزی IBM SPSS Modeler شما را فراتر از اصول اولیه می برد و نکات، زمان صرفه جویی ها و راه حل هایی را که کارشناسان برای افزایش بهره وری و استخراج حداکثر ارزش از داده ها استفاده می کنند، به اشتراک می گذارد. نویسندگان این کتاب یکی از بهترین این شارحان هستند، گوروهایی که در استفاده درخشان و تخیلی خود از ابزار، مرزهای تحلیل کاربردی را به عقب رانده اند. با خواندن این کتاب، از پزشکانی یاد می گیرید که به تعریف وضعیت هنر کمک کرده اند.
فرآیند داده کاوی استاندارد صنعت را دنبال کنید، در هر مرحله مهارت های جدیدی کسب کنید، از بارگذاری داده ها تا ادغام نتایج در امور روزمره. شیوه های تجاری با کارآمدترین روشهای استخراج دادهها از منابع خود، آنها را برای کاوش و مدلسازی آماده کنید. بر بهترین روشها برای ساخت مدلهایی که در محل کار عملکرد خوبی دارند، تسلط داشته باشید.
از اصول اولیه فراتر بروید و با این راهنمای عملی، از قدرت کامل میز کار داده کاوی خود استفاده کنید.
آنچه از این کتاب خواهید آموخت
رویکرد< /strong>
این یک کتاب آشپزی کاربردی با دستور العمل های متوسط تا پیشرفته برای تحلیلگران داده SPSS Modeler است. این کتاب با مثال های گام به گام بارگذاری شده است که روند انجام شده توسط متخصصان را توضیح می دهد.
این کتاب برای چه کسی است
اگر تا به حال دست داشته اید. -در تجربه با IBM SPSS Modeler و اکنون می خواهید عمیق تر شوید و کنترل بیشتری بر فرآیند داده کاوی خود داشته باشید، این راهنمای شماست. برای تمرینکنندگانی که میخواهند به تجزیه و تحلیلهای پیشرفته نفوذ کنند، ایدهآل است.
Over 60 practical recipes to achieve better results using the experts' methods for data mining
Overview
In Detail
IBM SPSS Modeler is a data mining workbench that enables you to explore data, identify important relationships that you can leverage, and build predictive models quickly allowing your organization to base its decisions on hard data not hunches or guesswork.
IBM SPSS Modeler Cookbook takes you beyond the basics and shares the tips, the timesavers, and the workarounds that experts use to increase productivity and extract maximum value from data. The authors of this book are among the very best of these exponents, gurus who, in their brilliant and imaginative use of the tool, have pushed back the boundaries of applied analytics. By reading this book, you are learning from practitioners who have helped define the state of the art.
Follow the industry standard data mining process, gaining new skills at each stage, from loading data to integrating results into everyday business practices. Get a handle on the most efficient ways of extracting data from your own sources, preparing it for exploration and modeling. Master the best methods for building models that will perform well in the workplace.
Go beyond the basics and get the full power of your data mining workbench with this practical guide.
What you will learn from this book
Approach
This is a practical cookbook with intermediate-advanced recipes for SPSS Modeler data analysts. It is loaded with step-by-step examples explaining the process followed by the experts.
Who this book is for
If you have had some hands-on experience with IBM SPSS Modeler and now want to go deeper and take more control over your data mining process, this is the guide for you. It is ideal for practitioners who want to break into advanced analytics.
Content: Cover
Copyright
Credits
Foreword
About the Authors
About the Reviewers
www.PacktPub.com
Table of Contents
Preface
Chapter 1: Data Understanding
Introduction
Using an empty aggregate to evaluate sample size
Evaluating the need to sample from the initial data
Using CHAID stumps when interviewing an SME
Using a single cluster K-means as an alternative to anomaly detection
Using an @NULL multiple Derive to explore missing data
Creating an outlier report to give to SMEs
Detecting potential model instability early using the Partition node and Feature Selection. Chapter 2: Data Preparation --
SelectIntroduction
Using the Feature Selection node creatively to remove, or decapitate, perfect predictors
Running a Statistics node on anti-join to evaluate potential missing data
Evaluating the use of sampling for speed
Removing redundant variables using correlation matrices
Selecting variable using the CHAID modeling node
Selecting variables using the Means node
Selecting variables using single-antecedent association rules
Chapter 3: Data Preparation --
Clean
Introduction
Binning scale variables to address missing data. Using a full data model/partial data model approach to address missing dataImputing in-stream mean or median
Imputing missing values randomly from uniform or normal distributions
Using random imputation to match a variable\'s distribution
Searching for similar records using a neural network for inexact matching
Using neuro-fuzzy searching to find similar names
Producing longer Soundex codes
Chapter 4: Data Preparation --
Construct
Introduction
Building transformations with multiple Derive nodes
Calculating and comparing conversion rates
Grouping categorical values. Transforming high skew and kurtosis variables with a multiple Derive nodeCreating flag variables for aggregation
Using Association Rules for interaction detection/feature creation
Creating time-aligned cohorts
Chapter 5: Data Preparation --
Integrate and Format
Introduction
Speeding up merge with caching and optimization settings
Merging a look-up table
Shuffle-down (nonstandard aggregation)
Cartesian product merge using key-less merge by key
Multiplying out using Cartesian product merge, user source, and derive dummy
Changing large numbers of variable names without scripting. Parsing nonstandard datesParsing and performing a conversion on a complex stream
Sequence processing
Chapter 6: Selecting and Building a Model
Introduction
Evaluating balancing with the Auto Classifier
Building models with and without outliers
Neural Network Feature Selection
Creating a bootstrap sample
Creating bagged logistic regression models
Using KNN to match similar cases
Using Auto Classifier to tune models
Next-Best-Offer for large datasets
Chapter 7: Modeling --
Assessment, Evaluation, Deployment, and Monitoring
Introduction
How (and why) to validate as well as test.