SPSS Modeler یک راه‌حل پیشرو در علم داده‌های بصری و یادگیری ماشین (ML) است که برای کمک به شرکت‌ها در سرعت‌بخشیدن به زمان برای ارزش‌گذاری با سرعت‌بخشیدن به وظایف عملیاتی برای دانشمندان داده طراحی شده است. سازمان‌ها در سراسر جهان از آن برای آماده‌سازی و کشف داده‌ها، تجزیه و تحلیل پیش‌بینی‌کننده، مدیریت و استقرار مدل، و ML برای کسب درآمد از دارایی‌های داده استفاده می‌کنند. ‌این کتاب با روش آموزش گام به گام طراحی شده است بر‎همین‎اساس فایل‌های مورد نیاز برای انجام تمرین‌ها تهیه و در آدرس cdn.jdtums.ir/pub/dadehkavi.rar بارگذاری شده است. برای یادگیری بهتر توصیه می‎شود ابتدا نرم‎افزار را نصب‎کرده و سپس کلیه فایل‌های مورد نیاز را در سیستم خود ذخیره نمایید.

فصل اول: مقدمه‌ای بر داده‌کاوی | 15

نمای کلی CRISP-DM 16

درک کسب و کار/16

درک داده‌ها/17

آماده‌سازی داده‌ها /17

مدل‌سازی/18

توسعه/19

فرآیند داده‌کاوی (به عنوان مطالعه موردی) /20

فصل دوم: اصول استفاده از IBM SPSS Modeler | 25

معرفی رابط کاربری گرافیکی Modeler 26

بوم جریان Stream Canvas 26

پالت‌ها Palettes 26

منوهای نرم‌افزار/27

نوار ابزار/28

تب مدیریت/29

پنجره پروژه/29

ساختن Steam ها (جریان‌ها)/29

دکمه‌های ماوس/30

اضافه‌کردن گره‌ها/30

ویرایش گره‌ها/31

حذف گره‌ها/32

ساخت یک استریم /32

اتصال گره‌ها/32

حذف اتصالات /33

قوانین مدل‌سازی استریم/34

گزینه‌های Help 36

منوی Help 36

دیالوگ Help 36

خلاصه فصل/38

فصل سوم: واردکردن داده‌ها به Modeler | 39

ساختار داده‌ها/39

گره منبع فایل  Var‌ 40

با استفاده از گره منبع فایلی Var. 40

برگه گره منبع فایل  Var 41

برگه Data در گره Var 43

برگه Filter در گره منبع Var 44

برگه Type در گره منبع Var 46

برگه Annotations در گره منبع Var 46

مشاهده داده‌ها/47

گره منبع اکسل/48

گره منبع پایگاه داده/49

مقیاس اندازه‌گیری و نقش‌ها/50

خلاصه فصل/56

فصل چهارم: کیفیت داده‌ها و اکتشاف | 57

گزینه‌های گره Audit داده‌ها/58

نتایج گره Data Audit 60

تب کیفیت/66

داده‌های ازدست‌رفته/67

راه‌های اصلاح داده‌های ازدست‌رفته/68

تعریف مقادیر ازدست‌رفته در گره Type 69

وارد‌کردن مقادیر گمشده با گره Data Audit 71

خلاصه فصل/74

فصل پنجم: پاکسازی و انتخاب داده‌ها/75

گره Select 76

Expression Builder 77

Sorting cases 80

شناسایی و حذف موارد تکراری/82

Reclassify مقادیر طبقه‌بندی‌شده/86

خلاصه فصل/92

فصل ششم: ترکیب فایل‌های داده/ 93

ترکیب فایل‌های داده با گره Append 94

حذف فیلدها با گره Filter 98

ترکیب فایل‌های داده با گره Merge 100

تب Filter 103

تب Optimization 104

خلاصه فصل/ 106

فصل هفتم: ایجاد فیلدهای جدید /107

Formula - Derive 110

Derive – Flag 112

Derive – Nominal 114

Derive – Conditional 116

خلاصه فصل/120

فصل هشتم: شناخت روابط بین فیلدها/ 121

روابط بین فیلدهای طبقه‌بندی‌شده/122

گره Distribution 123

گره Matrix 126

بررسی روابط بین فیلدهای طبقه‌ای و پیوسته/128

گره Histogram 129

گره  Means 132

روابط بین فیلدهای پیوسته/134

گره Plot 135

گره Statistics 137

خلاصه فصل/140

فصل نهم: مقدمه‌ای بر گزینه‌های مدل‌سازی در IBM SPSS Modeler | 141

طبقه‌بندی/142

طبقه‌بندی اهداف/143

مدل‌های کاربردی برای طبقه‌بندی اهداف طبقه‌ای/144

هدف‎گذاری عددی/145

گره‌های طبقه‌بندی‌کننده عددی/146

گره‌های Auto 147

گره‌های مدل‌سازی کاهش داده/148

قوانین انجمنی Association 149

تب انجمنی/150

بخش‌بندی (Segmentation) 150

انتخاب بین مدل‌ها /151

خلاصه فصل/152

فصل دهم: مدل‌های درخت تصمیم /153

الگوریتم مدل‌سازی CHAID 154

نظریه درخت تصمیم/155

نظریه CHAID 157

چگونه CHAID انواع مختلف متغیرهای ورودی را پردازش می‌کند/158

قوانین توقف/159

ساخت یک مدل CHAID 160

گره پارتیشن/161

برازش بیش‎از‎حد/162

گزینه‌های گفتگوی CHAID 163

نتایج CHAID 169

خلاصه فصل/ 175

فصل یازدهم: ارزیابی مدل و امتیازدهی /177

تضاد بین مرحله ارزشیابی و ارزیابی مدل/177

ارزیابی مدل با استفاده از گره تحلیل/178

تغییر تنظیمات CHAID 182

مقایسه مدل با استفاده از گره Analysis 184

ارزیابی و مقایسه مدل با استفاده از گره Evaluation 187

امتیازدهی داده‌های جدید/193

ذخیره پیش‌بینی‌ها /196

خلاصه فصل/198

  198