数据挖掘技术探索与SPSS-Clementine应用手册

数据挖掘原理与SPSS-Clementine应用手册

23.3.2.3 设置项目属性t可以使用项目属性对话框来自定义项目的内容和文档。要访问项目属性，一般执行以下操作： Step1.右键单击项目工具中的根文件夹，然后选择“工程属性”命令；或者右键单击项目工具中的非根文件夹，然后选择“工程” →“工程属性”命令。工程选项卡对话框如图23－9工程选项卡对话框所示。 Step2.单击“工程”选项卡以指定项目的相关信息。

数据挖掘 10 2024-08-25

数据挖掘原理与SPSS-Clementine应用手册

19.3.1 数据挖掘类型节点图19-33的设置类型节点指定字段的一系列重要属性。我们可以描述类型节点的特征，实例化它们，并处理缺失数据。

数据挖掘 19 2024-08-14

数据挖掘技术与SPSS-Clementine应用详解

在SPSS-Clementine中，数据挖掘技术涵盖多种数据类型：连续型适用于数值描述，离散型适用于描述未知数量的字符串，标志型用于仅有两个值的数据，集合型描述多个具体值的数据，有序集合型用于有内部顺序的数据，无类型则适用于不符合以上任一种类的数据或含有众多元素的集合类型数据。

数据挖掘 16 2024-07-24

基于Hash函数的数据预处理抽样技术——数据挖掘原理与SPSS-Clementine应用手册

在处理海量数据时，特别是对数据流进行实时处理时，抽样技术变得至关重要。传统的简单随机抽样虽然常用，但未能有效反映数据分布的真实特性，尤其在数据倾斜情况下更为明显。基于Hash函数的抽样技术则能更准确地反映总体数据的统计特性，确保样本代表性和抽样效果。

数据挖掘 12 2024-09-22

数据挖掘原理与SPSS-Clementine应用指南

5.2.2.1.相关概念t假定给定的样本数据为Y、X，其中因变量样本数据矩阵Y=(y1,y2,…,yn)是p×n样本矩阵，即p个因变量，n个样本；自变量样本数据矩阵X是q×n矩阵，即q个自变量，n个样本。在实际计算时，X一般是将原始数据中心化后得到的样本矩阵，即：X×1n＝0。

数据挖掘 10 2024-07-15

数据挖掘原理与SPSS-Clementine应用宝典

在这本书中，我们深入探讨了数据挖掘的基础原理，并详细介绍了如何利用SPSS-Clementine软件进行应用。通过本书，读者可以系统地学习数据挖掘技术，掌握SPSS-Clementine的实际操作技能。

数据挖掘 16 2024-10-16

数据挖掘原理与SPSS-Clementine应用宝典

用户可以从数据流的任何非终端节点中生成用户输入节点。具体步骤包括：（1）确定在流程的哪一点输入节点；（2）右键单击节点并选择“生成用户输入节点（P）”，将节点数据导入用户输入节点；（3）用户输入节点负载了流程下游的所有过程，代替原有节点。生成后，节点从原数据中继承了所有数据结构和字段类型信息（如果可以继承）。

数据挖掘 14 2024-07-18

数据挖掘原理与SPSS-Clementine应用指南

图19-23展示了如何设置和读取追加节点数据。追加节点通过从同一数据源读取所有记录，并保持数据结构的一致性，直至数据源无更多记录。

数据挖掘 12 2024-10-12

数据挖掘原理与SPSS-Clementine应用指南

图21-91展示了线性回归节点汇总页签的详细内容，涵盖了数据挖掘原理与SPSS-Clementine应用的重要节点。

数据挖掘 17 2024-07-16