今日好书丨《数据可视化与数据挖掘——基于Tableau和SPSS Modeler图形界面》

Posted 2021-04-27 博文视点Broadview

《数据可视化与数据挖掘——基于Tableau和SPSS Modeler图形界面》

解放程序员的双手，让数据挖掘更轻松。

王国平 著

2017年11月出版

 

小编推荐：讲解过程图文并茂，并安排了项目实例，可以边学边练，采用由浅入深、简单实用的形式，方便读者快速掌握可视化软件的基本操作，并通过系统的案例使读者迅速掌握应用技巧。

• 下方评论区留下对此书的想法，选取一名幸运同学将赠此书，11月30日公布获奖用户。

内容简介

当前，经典的数据挖掘算法日趋成熟，相关标准和技术已经在各行各业得到广泛应用。为了使数据挖掘技术满足不同层次用户的需要，可视化数据挖掘技术被提出，通过可视化的手段将数据挖掘过程的各个阶段展示给用户，使用户能更好地理解过程，目前该技术已经成为数据挖掘领域的研究热点。

本书旨在介绍最新的可视化数据挖掘技术，是作者多年工作经验的总结。内容基于 Tableau 10.3和 IBM SPSS Modeler 18.0 编写，详细介绍了 Tableau 的数据连接、图形编辑、创建地图、表计算和聚合计算等功能，以及 IBM SPSS Modeler 的数据连接、CRISP-DM（跨行业数据挖掘标准流程）等功能。通过实际案例，重点介绍了可视化数据挖掘技术在电信、电力、医药、银行、电商和房地产等行业中的应用，可以作为互联网、银行证券、电商等行业的从业者，以及高等院校相关专业学生参考使用。

作者简介

• 王国平

大数据分析师，具体工作经历如下：2011-2014 上海大智慧股份有限公司 数据研究员，2014-2016 中国电信上海分公司 大数据分析师，2016至今 上海博辕信息技术服务有限公司 数据分析师。

本书前言

大数据时代正在改变着我们的生活、工作和思维，要让大数据发挥出最大价值，最重要的手段就是进行数据可视化挖掘。利用可视化数据挖掘工具和技术，分析人员能够从全新的角度快速、轻松地挖掘信息。可视化数据挖掘使数据挖掘变得更简单，建模过程不需要编写代码，非技术出身的业务人员等也可以利用数据做出决策。

本书基于Tableau 10.3和IBM SPSS Modeler 18.0编写，详细介绍Tableau数据连接、图形编辑、创建地图、表计算和聚合计算等，以及IBM SPSS Modeler的数据连接、CRISP-DM（跨行业数据挖掘标准流程）等。书中通过6个实际案例，重点介绍可视化数据挖掘技术在电信、电力、医药、银行、电商和房地产行业中的应用。

本书的内容

第1章介绍数据可视化和可视化数据挖掘的基本理论及主要软件，前者包括Tableau、QlikView和Power BI，后者包括IBM SPSS Modeler、Intelligent Miner和SAS Enterprise Miner。

第2章介绍Tableau Desktop 10.3软件简介、数据类型、运算符及优先级、软件的安装与激活和Tableau的文件类型等。

第3章介绍Tableau Desktop可以连接的数据源，包括Excel文件、文本文件、Access文件、JSON文件、PDF文件、空间文件和统计文件等，还介绍了如何连接各类数据库，如Tableau Server、SQL Server、mysql和Oracle等。

第4章首先介绍Tableau Desktop的维度和度量、连续和离散的概念和操作，然后介绍工作区和工作表的基础操作，最后详细介绍表计算、创建字段、创建参数和聚合计算等高级操作。

第5章介绍如何使用Tableau生成一些统计图形，如条形图、饼图、直方图、折线图、散点图、并排图、甘特图等。

第6章介绍IBM SPSS Modeler的发展历史、软件特点、软件算法、软件功能、安装过程和授权许可等。

第7章介绍使用IBM SPSS Modeler进行数据挖掘的6个基本步骤：业务理解、数据理解、数据准备、建立模型、评估模型和应用模型。

第8章介绍IBM SPSS Modeler的基本操作，包括连接到文件和连接到数据库，前者包括Excel文件、SAS文件、SPSS Statistics文件、变量文件和固定文件等，后者包括Oracle、SQL Server、DB2、MySQL等数据库。

第9章介绍IBM SPSS Modeler的数据流操作，包括生成数据流、添加和删除节点、连接数据流、修改连接节点和执行数据流等。

第10章介绍可视化数据挖掘在电信行业中的应用，根据客户流失数据，运用Logistic回归算法，建立了基于客户属性、服务属性和客户消费信息的客户流失预警模型。

第11章介绍可视化数据挖掘在电力行业中的应用，由于用电负荷具有季节性和周期性的特点，因此运用时间序列模型，同时选择时间序列中的专家建模器进行建模。

第12章介绍可视化数据挖掘在医药行业中的应用，根据患者的用药数据，应用K-Means聚类算法，建立基于药物在人体的类胆固醇TC、Na、Ka等因素的药物效果聚类模型。

第13章介绍可视化数据挖掘在银行业中的应用，根据银行客户的登记记录数据，运用判别分析算法，建立基于客户的属性数据、信用等级和资产状况等因素的客户类型判别模型。

第14章介绍可视化数据挖掘在电商行业中的应用，根据促销的费用、促销前的销售额和促销后的销售额等数据，运用神经网络模型，建立基于促销费用、促销前的销售额和促销后的销售额等因素的促销效果评价模型。

第15章介绍可视化数据挖掘在房地产行业中的应用，根据购房者的个人信息数据等，运用CHAID决策树算法，建立基于年龄、性别、学历、月薪和家庭人数等因素的购房决策树模型。

本书的特色

（1）内容全面，讲解详细

本书是一本实践性的可视化数据挖掘著作，详细介绍了常用软件，对于初次学习可视化数据挖掘的读者来说帮助较大，书中列出了每一步操作，便于读者实践。

（2）由浅入深、循序渐进

本书从Tableau和IBM SPSS Modeler的简介、连接数据源、基础操作到高级操作进行讲解，逐步深入，从易到难，由浅入深，循序渐进，适合可视化数据挖掘各个层次的读者阅读。

（3）案例丰富，高效学习

本书在介绍数据可视化和数据挖掘软件后，为了使读者快速提高数据分析的整体能力，结合6个实际案例对可视化数据挖掘的流程及步骤进行了详细和全面的介绍。

本书的读者对象

本书的内容和案例适用于互联网、银行证券、电商、医药等行业数据分析用户进行可视化数据挖掘，可供高等院校相关专业学生及从事可视化数据挖掘的研究人员参考使用，也可作为Tableau和IBM SPSS Modeler软件培训和自学的教材。

本书提供相关案例的配套资料，可扫描本页的二维码登录后下载。

由于编者水平所限，书中难免存在错误和不妥之处，请广大读者批评指正。

编  者  

2017年7月

本书目录

• 所列目录只保留到二级标题，查看全部目录请点击阅读原文

第1部分  数据可视化篇

第1章  可视化数据挖掘概述 2

1.1  数据可视化 2

1.2  可视化数据挖掘 6

第2章  Tableau Desktop简介 11

2.1  软件页面简介 11

2.2  数据类型 15

2.3  运算符及优先级 18

2.4  软件安装 20

2.5  文件类型 26

第3章  连接数据源 27

3.1  连接到文件 27

3.2  连接到数据库 38

第4章  Tableau主要操作 47

4.1  维度和度量 47

4.2  连续和离散 50

4.3  工作区操作 52

4.4  工作表操作 58

4.5  Tableau高级操作 61

第5章  创建图表 76

5.1  单变量图形 76

5.2  多变量图形 84

第2部分  可视化数据挖掘篇

第6章  SPSS Modeler简介 88

6.1  软件简介 88

6.2  算法及功能 97

6.3  软件安装及启动 101

第7章  数据挖掘流程 110

7.1  业务理解 110

7.2  数据理解 111

7.3  数据准备 112

7.4  建立模型 113

7.5  评估模型 114

7.6  应用模型 114

第8章  SPSS Modeler导入数据源 116

8.1  连接到文件 116

8.2  连接到数据库 121

第9章  SPSS Modeler基础操作 125

9.1  数据流操作 125

9.2  图形制作 128

第3部分  案例实战篇

第10章  电信行业中的应用 136

10.1  建模思路 137

10.2  Logistic回归 138

10.3  业务理解 139

10.4  数据理解 140

10.5  数据准备 142

10.6  建立模型 143

10.7  模型评估 157

10.8  模型应用 158

10.9  小结 161

第11章  电力行业中的应用 162

11.1  建模思路 163

11.2  时间序列模型 163

11.3  业务理解 165

11.4  数据理解 166

11.5  数据准备 167

11.6  建立模型 168

11.7  模型评估 186

11.8  模型应用 187

11.9  小结 188

第12章  医药行业中的应用 189

12.1  建模思路 189

12.2  聚类模型 190

12.3  业务理解 192

12.4  数据理解 193

12.5  数据准备 195

12.6  建立模型 196

12.7  模型评估 202

12.8  模型应用 204

12.9  小结 206

第13章  银行业中的应用 207

13.1  建模思路 208

13.2  判别分析 208

13.3  业务理解 210

13.4  数据理解 211

13.5  数据准备 213

13.6  建立模型 214

13.7  模型评估 226

13.8  模型应用 226

13.9  小结 229

第14章  电商中的应用 230

14.1  建模思路 231

14.2  神经网络模型 232

14.3  业务理解 238

14.4  数据理解 239

14.5  数据准备 241

14.6  建立模型 243

14.7  模型评估 254

14.8  模型应用 255

14.9  小结 257

第15章  房地产业中的应用 258

15.1  建模思路 258

15.2  决策树模型 259

15.3  业务理解 261

15.4  数据理解 261

15.5  数据准备 263

15.6  建立模型 266

15.7  模型评估 277

15.8  模型应用 279

15.9  小结 281

附录A  配置MySQL ODBC数据源 282

附录B  Tableau重要函数 285

附录C  SPSS Modeler函数 313

 

博文视点

您阅读的专业智库

了解更多本书详情请点击阅读原文

长按二维码轻松关注

点击阅读原文，即可快速抵达本书详情页！