多重散点图节点-数据挖掘基础及SPSS-Clementine实战指南

SPSS-Clementine 抽样节点详解

抽样节点 可选择按指定模式（包含或排除）抽取或丢弃记录。 样本：- 连续抽取：从第一条记录开始连续抽取。- n中取1：每 n 条记录抽取或丢弃一条记录。- 随机 %：随机抽取数据集指定百分比的样本。 最大样本量：设定抽取的样本最大数量。 随机数种子：设置随机种子值，用于生成随机数。

数据挖掘 4 2024-05-13

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 3 2024-07-15

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 3 2024-07-16

数据挖掘原理与SPSS-Clementine应用指南

19.2.4统计汇总图19-21展示了一个汇总节点的实例。汇总节点能够将一系列输入记录转换为综合且总结性的输出记录，具体的汇总对话框如图19-21所示。

数据挖掘 0 2024-08-10

数据挖掘的原理与SPSS-Clementine应用指南

生成异常节点图21-55生成异常节点对话框汇总页签

数据挖掘 0 2024-08-11

对节点数据的排序-数据挖掘原理与SPSS-Clementine应用宝典

19.2.5 对节点数据的排序 排序节点根据一个或多个字段值对记录进行升序或降序排列。 一般做法是：首先使用汇总节点汇总数据，然后使用排序节点将汇总数据按照记录数目降序排序。将这些结果显示在一个表中，会有助于探索分析数据并作出决策。

数据挖掘 3 2024-07-12

多维关联规则挖掘数据挖掘原理及SPSS-Clementine应用详解

多维关联规则挖掘是根据是否允许同一个维度重复出现，可分为维间的关联规则（不允许同一维度重复出现）和混合维关联规则（允许维度在规则的左右同时出现）。

数据挖掘 1 2024-07-18

SPSS-Clementine数据挖掘技术手册支持向量机基础详解

14.1支持向量机基础，包括机器学习的基本问题，经验风险最小化问题，VC维与学习一致性理论，以及结构化风险最小化。14.2支持向量机的基本原理涵盖线性支持向量机、广义线性支持向量机及非线性支持向量机，包括高维空间的影射和核函数。14.3支持向量机的实现技术介绍chunking算法、Decomposing算法和SMO算法，详细分析SMO算法的特点和优势。14.4支持向量回归机包括不敏感损失函数和支持向量回归机模型。14.5还讨论了支持向量机的改进算法。

数据挖掘 3 2024-07-13

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 2 2024-07-18