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 | ۱۵

نمای کلی CRISP-DM ۱۶

درک کسب و کار/۱۶

درک داده‌ها/۱۷

آماده‌سازی داده‌ها /۱۷

مدل‌سازی/۱۸

توسعه/۱۹

فرآیند داده‌کاوی (به عنوان مطالعه موردی) /۲۰

فصل دوم: اصول استفاده از IBM SPSS Modeler | ۲۵

معرفی رابط کاربری گرافیکی Modeler ۲۶

بوم جریان Stream Canvas ۲۶

پالت‌ها Palettes ۲۶

منوهای نرم‌افزار/۲۷

نوار ابزار/۲۸

تب مدیریت/۲۹

پنجره پروژه/۲۹

ساختن Steam ها (جریان‌ها)/۲۹

دکمه‌های ماوس/۳۰

اضافه‌کردن گره‌ها/۳۰

ویرایش گره‌ها/۳۱

حذف گره‌ها/۳۲

ساخت یک استریم /۳۲

اتصال گره‌ها/۳۲

حذف اتصالات /۳۳

قوانین مدل‌سازی استریم/۳۴

گزینه‌های Help ۳۶

منوی Help ۳۶

دیالوگ Help ۳۶

خلاصه فصل/۳۸

فصل سوم: واردکردن داده‌ها به Modeler | ۳۹

ساختار داده‌ها/۳۹

گره منبع فایل  Var‌ ۴۰

با استفاده از گره منبع فایلی Var. ۴۰

برگه گره منبع فایل  Var ۴۱

برگه Data در گره Var ۴۳

برگه Filter در گره منبع Var ۴۴

برگه Type در گره منبع Var ۴۶

برگه Annotations در گره منبع Var ۴۶

مشاهده داده‌ها/۴۷

گره منبع اکسل/۴۸

گره منبع پایگاه داده/۴۹

مقیاس اندازه‌گیری و نقش‌ها/۵۰

خلاصه فصل/۵۶

فصل چهارم: کیفیت داده‌ها و اکتشاف | ۵۷

گزینه‌های گره Audit داده‌ها/۵۸

نتایج گره Data Audit ۶۰

تب کیفیت/۶۶

داده‌های ازدست‌رفته/۶۷

راه‌های اصلاح داده‌های ازدست‌رفته/۶۸

تعریف مقادیر ازدست‌رفته در گره Type ۶۹

وارد‌کردن مقادیر گمشده با گره Data Audit ۷۱

خلاصه فصل/۷۴

فصل پنجم: پاکسازی و انتخاب داده‌ها/۷۵

گره Select ۷۶

Expression Builder ۷۷

Sorting cases ۸۰

شناسایی و حذف موارد تکراری/۸۲

Reclassify مقادیر طبقه‌بندی‌شده/۸۶

خلاصه فصل/۹۲

فصل ششم: ترکیب فایل‌های داده/ ۹۳

ترکیب فایل‌های داده با گره Append ۹۴

حذف فیلدها با گره Filter ۹۸

ترکیب فایل‌های داده با گره Merge ۱۰۰

تب Filter ۱۰۳

تب Optimization ۱۰۴

خلاصه فصل/ ۱۰۶

فصل هفتم: ایجاد فیلدهای جدید /۱۰۷

Formula - Derive ۱۱۰

Derive – Flag ۱۱۲

Derive – Nominal ۱۱۴

Derive – Conditional ۱۱۶

خلاصه فصل/۱۲۰

فصل هشتم: شناخت روابط بین فیلدها/ ۱۲۱

روابط بین فیلدهای طبقه‌بندی‌شده/۱۲۲

گره Distribution ۱۲۳

گره Matrix ۱۲۶

بررسی روابط بین فیلدهای طبقه‌ای و پیوسته/۱۲۸

گره Histogram ۱۲۹

گره  Means ۱۳۲

روابط بین فیلدهای پیوسته/۱۳۴

گره Plot ۱۳۵

گره Statistics ۱۳۷

خلاصه فصل/۱۴۰

فصل نهم: مقدمه‌ای بر گزینه‌های مدل‌سازی در IBM SPSS Modeler | ۱۴۱

طبقه‌بندی/۱۴۲

طبقه‌بندی اهداف/۱۴۳

مدل‌های کاربردی برای طبقه‌بندی اهداف طبقه‌ای/۱۴۴

هدف‎گذاری عددی/۱۴۵

گره‌های طبقه‌بندی‌کننده عددی/۱۴۶

گره‌های Auto ۱۴۷

گره‌های مدل‌سازی کاهش داده/۱۴۸

قوانین انجمنی Association ۱۴۹

تب انجمنی/۱۵۰

بخش‌بندی (Segmentation) ۱۵۰

انتخاب بین مدل‌ها /۱۵۱

خلاصه فصل/۱۵۲

فصل دهم: مدل‌های درخت تصمیم /۱۵۳

الگوریتم مدل‌سازی CHAID ۱۵۴

نظریه درخت تصمیم/۱۵۵

نظریه CHAID ۱۵۷

چگونه CHAID انواع مختلف متغیرهای ورودی را پردازش می‌کند/۱۵۸

قوانین توقف/۱۵۹

ساخت یک مدل CHAID ۱۶۰

گره پارتیشن/۱۶۱

برازش بیش‎از‎حد/۱۶۲

گزینه‌های گفتگوی CHAID ۱۶۳

نتایج CHAID ۱۶۹

خلاصه فصل/ ۱۷۵

فصل یازدهم: ارزیابی مدل و امتیازدهی /۱۷۷

تضاد بین مرحله ارزشیابی و ارزیابی مدل/۱۷۷

ارزیابی مدل با استفاده از گره تحلیل/۱۷۸

تغییر تنظیمات CHAID ۱۸۲

مقایسه مدل با استفاده از گره Analysis ۱۸۴

ارزیابی و مقایسه مدل با استفاده از گره Evaluation ۱۸۷

امتیازدهی داده‌های جدید/۱۹۳

ذخیره پیش‌بینی‌ها /۱۹۶

خلاصه فصل/۱۹۸

  ۱۹۸