IBM SPSS数据分析与挖掘实战案例精粹-2013年2月版-随书数据

【实例简介】
IBM SPSS数据分析与挖掘实战案例精粹-随书数据 案例
【实例截图】
【核心代码】
IBMSPSS数据分析与挖掘实战案例精粹-2013年2月版
└── IBM SPSS数据分析与挖掘实
├── IBMSPSS-Readme.txt
├── SPSS案例数据
│   ├── CCSS_Sample.sav
│   ├── Chapter17
│   │   ├── data
│   │   │   ├── churn.csv
│   │   │   ├── churn_analysis_raw.csv
│   │   │   ├── custcall.csv
│   │   │   ├── custinfo.csv
│   │   │   ├── tariff.csv
│   │   │   └── 挽留活动目标客户.csv
│   │   └── stream
│   │   ├── 1.流失分析数据准备数据流.str
│   │   ├── 2.数据探索性分析.str
│   │   ├── 3.建立模型1-聚类分析.str
│   │   ├── 4.建立模型2-流失规则.str
│   │   ├── 5.建立模型3-流失评分.str
│   │   └── 6.营销预演.str
│   ├── Chapter18
│   │   ├── data
│   │   │   ├── 回归系数.csv
│   │   │   ├── 建模数据.csv
│   │   │   ├── 是否坏客户.txt
│   │   │   ├── 小额贷款数据.sav
│   │   │   ├── 国籍分箱及对应WOE值 .csv
│   │   │   ├── 年龄分箱及对应WOE值 .csv
│   │   │   ├── 收入分箱及对应WOE值 .csv
│   │   │   ├── 各变量各分箱评分值.csv
│   │   │   ├── 住房种类分箱及对应WOE值 .csv
│   │   │   ├── 孩子数量分箱及对应WOE值 .csv
│   │   │   ├── 信用卡类型分箱及对应WOE值 .csv
│   │   │   ├── 在现住址时间分箱及对应WOE值 .csv
│   │   │   └── 在现工作时间分箱及对应WOE值 .csv
│   │   └── stream
│   │   ├── 1.分箱及计算WOE值.str
│   │   ├── 2.建立模型.str
│   │   ├── 3.导出回归系数.str
│   │   ├── 4.将回归系数转化为信用评分.str
│   │   ├── 5.信用评分模型检验.str
│   │   ├── 模型验证示例.str
│   │   └── 探索性数据分析.str
│   ├── Chapter19
│   │   ├── data
│   │   │   ├── Claim.sav
│   │   │   ├── Policy_Holder.sav
│   │   │   ├── Provider.sav
│   │   │   ├── 诊断与处理过程.txt
│   │   │   └── 医疗保健机构共用投保人信息关联表.txt
│   │   └── stream
│   │   ├── 1.保险业欺诈发现_数据理解.str
│   │   ├── 2.保险业欺诈发现_建立模型_模型1.str
│   │   ├── 3.保险业欺诈发现_建立模型_模型2.str
│   │   ├── 4.保险业欺诈发现_建立模型_模型3.str
│   │   ├── 5.保险业欺诈发现_建立模型_模型4.str
│   │   ├── 6.保险业欺诈发现_建立模型_模型5.str
│   │   ├── 7.保险业欺诈发现_建立模型_模型6.str
│   │   └── 8.保险业欺诈发现_结果发布.str
│   ├── Chapter20
│   │   ├── data
│   │   │   ├── Cluster_top3_page_via_3_actions.dat
│   │   │   ├── Cluster_top3_product.dat
│   │   │   ├── complete_analysis_table.dat
│   │   │   ├── customer_1.dat
│   │   │   ├── customer_1_early.txt
│   │   │   ├── customer_2.dat
│   │   │   ├── customer_2_early.txt
│   │   │   ├── login.dat
│   │   │   ├── miis_complete.log
│   │   │   ├── products.dat
│   │   │   ├── purchase.dat
│   │   │   ├── register.dat
│   │   │   ├── search_term.dat
│   │   │   ├── visit_search_term.dat
│   │   │   ├── web_log_information.dat
│   │   │   └── weblog_visit&vistor.dat
│   │   └── stream
│   │   ├── 1.数据准备_根据网络日志识别用户访问.str
│   │   ├── 10.建立模型_访问者访问网页细分模型.str
│   │   ├── 11.建立模型_预测访问者下一次访问类型.str
│   │   ├── 12.建立模型_访问者访问内容细分及变化模型.str
│   │   ├── 13.建立模型_产品特征模型.str
│   │   ├── 2.数据准备_从网络日志中提取有用信息(1).str
│   │   ├── 3.数据准备_从网络日志中提取有用信息(2).str
│   │   ├── 4.数据准备_合并网络日志与其它相关数据.str
│   │   ├── 5.建立模型_访问用户购买行为预测.str
│   │   ├── 6.建立模型_使用聚类分析建立产品推荐模型.str
│   │   ├── 7.模型发布_使用聚类分析结果向用户推荐产品.str
│   │   ├── 8.建立模型_根据访问的前三个网页建立页面推荐模型.str
│   │   └── 9.模型发布_根据访问的前三个网页推荐页面.str
│   ├── Chapter5
│   │   ├── data
│   │   │   ├── Drug.mdb
│   │   │   ├── Northwind.mdb
│   │   │   ├── clementine.css
│   │   │   ├── mailshot.csv
│   │   │   ├── mailshot_newdata.csv
│   │   │   ├── products.csv
│   │   │   ├── 新数据.csv
│   │   │   ├── 历史数据.csv
│   │   │   └── 购买金额最大的10个客户.html
│   │   └── stream
│   │   ├── 1.找出10个购买金额最大的客户.str
│   │   ├── 10.药物选择决策支持_模型检验2.str
│   │   ├── 11.药物选择决策支持_结果发布1.str
│   │   ├── 12.药物选择决策支持_结果发布2.str
│   │   ├── 2.产品之间的关系.str
│   │   ├── 3.建立直邮响应模型.str
│   │   ├── 4.直邮响应模型的应用.str
│   │   ├── 5.药物选择决策支持_数据理解.str
│   │   ├── 6.药物选择决策支持_数据准备.str
│   │   ├── 7.药物选择决策支持_建立模型.str
│   │   ├── 8.药物选择决策支持_模型检验.str
│   │   └── 9.药物选择决策支持_建立模型2.str
│   ├── MAH.sav
│   ├── Olympic88.sav
│   ├── SARS.sav
│   ├── city&brand.sav
│   ├── 保健品.sav
│   ├── 激素水平.sav
│   ├── 病案数据.sav
│   ├── 病案数据.sps
│   ├── 卖家张三_买家表.sav
│   ├── 卖家张三_交易表.sav
│   ├── 卖家张三_生成重购分析数据集.sps
│   ├── 顾客满意度.sav
│   ├── 问卷录入数据(整理后).sav
│   ├── 汽车销量预测.sav
│   ├── 迟发颅脑损伤.sav
│   ├── 问卷录入数据.sav
│   ├── 问卷计算权重.sav
│   ├── 商品购买关联分析.str
│   └── 某日顾客商品购买明细.sav
└── desktop.ini

17 directories, 117 files