第 1 章 数据挖掘那些事儿 \ 1
1.1 当我们在谈数据挖掘时，其实在讨论什么 \ 2
1.2 从 CRISP-DM 开启数据挖掘实践 \ 7

第 2 章 数据挖掘之利器：SPSS Modeler \ 17
2.1 SPSS Modeler 简介 \ 18
2.2 SPSS Modeler 的下载与安装 \ 21
2.3 SPSS Modeler 的主界面及基本操作 \ 23
2.3.1 SPSS Modeler 主界面介绍 \ 23
2.3.2 鼠标基本操作 \ 31
2.4 将 SPSS Modeler 连接到服务器端 \ 31

第 3 章 巧妇难为无米之炊：数据，数据！ \ 34
3.1 数据的身份 \ 35
3.1.1 变量的测量级别 \ 35
3.1.2 变量的角色 \ 36
3.2 数据的读取 \ 37
3.2.1 读取 Excel 文件数据 \ 37
3.2.2 读取变量文件数据 \ 38
3.2.3 读取 SPSS Statistics（.sav）文件数据 \ 40
3.2.4 读取数据库数据 \ 42
3.3 数据的基本设定 \ 45
3.3.1 变量角色的设定 \ 45
3.3.2 字段的筛选及命名 \ 46
3.4 数据的集成 \ 47
3.4.1 数据的变量集成：合并节点 \ 47
3.4.2 数据的记录集成：追加节点 \ 50

第 4 章 一点都不简单的描述性统计分析 \ 53
4.1 分类变量的基本分析： “矩阵”节点 \ 54
4.2 连续变量的基本分析：数据审核节点 \ 57
4.2.1 连续变量基本分析指标介绍 \ 57
4.2.2 “数据审核”节点 \ 63

第 5 章 何为足够大的差异：常用的统计检验 \ 67
5.1 假设检验 \ 68
5.1.1 假设检验的基本原理 \ 68
5.1.2 假设检验的一般步骤 \ 69
5.2 连续变量与分类变量之间的关系： t 检验 \ 70
5.2.1 两组独立样本均值比较 \ 71
5.2.2 两组配对样本均值比较 \ 72
5.2.3 使用 t 检验的前提条件 \ 73
5.2.4 案例：使用均值比较分析电信客户的流失情况 \ 73
5.3 两个连续变量之间的关系：相关分析 \ 75
5.3.1 相关分析理论 \ 76
5.3.2 案例：使用相关分析研究居民消费水平与国内生产总值的相关关系 \ 77
5.4 两个分类变量之间的关系：卡方检验 \ 80
5.4.1 卡方检验的原理 \ 80
5.4.2 卡方检验的前提条件 \ 82
5.4.3 案例：使用卡方检验研究两个分类字段之间的关系 \ 82

第 6 章 从身高和体重的关系谈起：回归分析 \ 84
6.1 一元线性回归分析 \ 85
6.1.1 分析因变量与自变量的关系，构建回归模型 \ 85
6.1.2 估计模型系数，求解回归模型 \ 87
6.1.3 对模型系数进行检验，确认模型有效性 \ 88
6.1.4 拟合优度检验，判断模型解释能力 \ 89
6.1.5 借助回归模型进行预测 \ 90
6.2 多元线性回归分析 \ 90
6.2.1 估计模型系数，求解回归模型 \ 91
6.2.2 对模型参数进行检验，确认模型有效性 \ 92
6.2.3 拟合优度检验，判断模型解释能力 \ 94
6.2.4 模型的变量选择 \ 95
6.3 使用线性回归分析的注意事项 \ 97
6.4 案例：使用回归分析研究影响房屋价格的重要因素 \ 98

第 7 章 回归岂止这么简单：回归模型的进一步扩展 \ 102
7.1 曲线回归 \ 103
7.2 Logistic 回归 \ 110
7.2.1 Logistic 回归理论 \ 110
7.2.2 案例：使用 Logistic 回归模型分析个人收入水平影响因素 \ 112

第 8 章 模型评估那些事儿：过拟合与欠拟合 \ 117
8.1 过拟合与欠拟合 \ 118
8.2 留出法与交叉验证 \ 122
8.2.1 留出法与分层抽样 \ 122
8.2.2 交叉验证 \ 124

第 9 章 从看电影的思考到决策树的生成 \ 126
9.1 决策树概述 \ 127
9.2 决策树生成 \ 129
9.2.1 从 ID3 算法到 C5.0 算法 \ 131
9.2.2 CART 算法 \ 134
9.3 决策树的剪枝 \ 136
9.3.1 预剪枝策略 \ 137
9.3.2 后剪枝策略 \ 137
9.3.3 代价敏感学习 \ 138
9.4 案例：用决策树分析客户违约情况 \ 140
9.5 关于信息熵的扩展 \ 147

第 10 章 人工神经网络：从人脑神经元开始 \ 151
10.1 从人脑神经元到人工神经网络 \ 152
10.2 感知机 \ 154
10.3 人工神经网络 \ 159
10.3.1 隐藏层的作用 \ 159
10.3.2 人工神经网络算法 \ 160
10.4 案例：利用人工神经网络分析某电信运营商的客户流失情况 \ 164

第 11 章 物以类聚，人以群分：聚类分析 \ 172
11.1 聚类思想的概述 \ 173
11.2 聚类方法的关键：距离 \ 175
11.3 K-Means 算法 \ 176
11.3.1 K-Means 算法原理 \ 176
11.3.2 轮廓系数（Silhouette coefficient） \ 177
11.4 案例：利用 K-Means 算法对不同型号汽车的属性进行聚类分群研究 \ 179

第 12 章 啤酒+尿布=关联分析？ \ 186
12.1 一个关于关联分析的传说 \ 187
12.2 关联分析的基本概念 \ 188
12.3 关联规则的有效性指标 \ 190
12.4 Apriori 算法 \ 192
12.4.1 生成频繁项集 \ 193
12.4.2 生成关联规则 \ 195
12.5 案例：利用 Apriori 算法对顾客的个人信息及购买记录进行关联分析 \ 195

第 13 章 三个臭皮匠，赛过诸葛亮：集成学习算法 \ 199
13.1 集成学习算法概述 \ 200
13.2 3 种不同的集成学习算法 \ 201
13.2.1 Bagging 算法 \ 201
13.2.2 Boosting 算法 \ 203
13.2.3 随机森林 \ 204
13.3 集成学习算法实践 \ 205
13.3.1 Bagging 算法和 Boosting 算法 \ 205
13.3.2 随机森林 \ 211
13.3.3 集成学习算法结果比较 \ 214