后项 前项 规则 ID 实例 支持度 % 置信度 % 规则支持 % 提升 部署能力
Proc_17 = T 诊断方法 = 707 12 139 1.469 100.0 1.469 2.627 0.0
Proc_33 = T 诊断方法 = 780 42 161 1.702 100.0 1.702 4.285 0.0
Proc_20 = T 诊断方法 = 401 124 248 2.621 100.0 2.621 2.504 0.0
Proc_74 = T 诊断方法 = 496 125 198 2.093 100.0 2.093 21.121 0.0
Proc_20 = T 诊断方法 = V65 159 397 4.196 100.0 4.196 2.504 0.0
Proc_84 = T 诊断方法 = V58 164 295 3.118 100.0 3.118 11.696 0.0
Proc_89 = T 诊断方法 = 786 184 419 4.428 100.0 4.428 3.364 0.0
Proc_88 = T 诊断方法 = 250 191 282 2.98 100.0 2.98 13.015 0.0
Proc_33 = T 诊断方法 = V95 223 1,153 12.186 100.0 12.186 4.285 0.0
Proc_20 = T 诊断方法 = V41 250 1,648 17.417 99.697 17.364 2.496 0.053
Proc_17 = T 诊断方法 = 304 73 178 1.881 99.438 1.871 2.612 0.011
Proc_20 = T 诊断方法 = 346 36 114 1.205 99.123 1.194 2.482 0.011
Proc_17 = T 诊断方法 = V99 98 201 2.124 99.005 2.103 2.601 0.021
Proc_29 = T 诊断方法 = 788 255 1,553 16.413 98.97 16.244 4.019 0.169
Proc_17 = T 诊断方法 = 510 111 194 2.05 98.969 2.029 2.6 0.021
Proc_17 = T 诊断方法 = V41 249 1,648 17.417 98.665 17.185 2.592 0.233
Proc_89 = T 诊断方法 = 788 256 1,553 16.413 98.261 16.128 3.305 0.285
Proc_17 = T 诊断方法 = 296 61 147 1.554 97.959 1.522 2.573 0.032
Proc_23 = T 诊断方法 = 770 236 812 8.582 97.783 8.391 5.837 0.19
Proc_20 = T 诊断方法 = 729 25 115 1.215 97.391 1.184 2.439 0.032
Proc_29 = T 诊断方法 = V53 144 224 2.367 96.875 2.293 3.934 0.074
Proc_20 = T 诊断方法 = 789 87 152 1.606 96.711 1.554 2.421 0.053
Proc_90 = T 诊断方法 = 770 235 812 8.582 94.581 8.117 6.258 0.465
Proc_5 = T 诊断方法 = V72 215 565 5.971 93.628 5.591 4.712 0.38
Proc_5 = T 诊断方法 = 770 237 812 8.582 86.33 7.409 4.345 1.173
Proc_89 = T 诊断方法 = V53 145 224 2.367 80.804 1.913 2.718 0.454
Proc_23 = T 诊断方法 = 250 194 282 2.98 79.787 2.378 4.763 0.602
Proc_20 = T 诊断方法 = 304 74 178 1.881 78.652 1.48 1.969 0.402
Proc_22 = T 诊断方法 = 346 26 114 1.205 78.07 0.941 22.729 0.264
Proc_33 = T 诊断方法 = 510 105 194 2.05 77.32 1.585 3.313 0.465
Proc_33 = T 诊断方法 = V99 93 201 2.124 76.119 1.617 3.262 0.507
Proc_13 = T 诊断方法 = 296 52 147 1.554 74.83 1.163 16.979 0.391
Proc_18 = T 诊断方法 = 729 14 115 1.215 73.043 0.888 25.316 0.328
Proc_5 = T 诊断方法 = 346 32 114 1.205 71.93 0.867 3.62 0.338
Proc_90 = T 诊断方法 = 250 193 282 2.98 63.83 1.902 4.223 1.078
Proc_74 = T 诊断方法 = 729 15 115 1.215 62.609 0.761 13.223 0.454
Proc_22 = T 诊断方法 = 789 75 152 1.606 61.842 0.993 18.005 0.613
Proc_17 = T 诊断方法 = 496 135 198 2.093 54.04 1.131 1.42 0.962
Proc_20 = T 诊断方法 = 496 136 198 2.093 48.99 1.025 1.227 1.067
Proc_13 = T 诊断方法 = 496 126 198 2.093 45.455 0.951 10.314 1.141
Proc_17 = T 诊断方法 = 789 86 152 1.606 28.947 0.465 0.76 1.141
Proc_20 = T 诊断方法 = V72 219 565 5.971 25.133 1.501 0.629 4.471
Proc_5 = T 诊断方法 = 789 83 152 1.606 23.684 0.38 1.192 1.226
Proc_17 = T 诊断方法 = V72 218 565 5.971 22.655 1.353 0.595 4.618
Proc_33 = T 诊断方法 = 789 80 152 1.606 22.368 0.359 0.959 1.247
Proc_17 = T 诊断方法 = 780 48 161 1.702 22.36 0.38 0.587 1.321
Proc_20 = T 诊断方法 = 707 13 139 1.469 22.302 0.328 0.558 1.141
Proc_5 = T 诊断方法 = 296 58 147 1.554 21.088 0.328 1.061 1.226
Proc_33 = T 诊断方法 = 707 6 139 1.469 19.424 0.285 0.832 1.184
Proc_23 = T 诊断方法 = V72 214 565 5.971 18.938 1.131 1.131 4.84
Proc_17 = T 诊断方法 = 401 123 248 2.621 18.548 0.486 0.487 2.135
Proc_89 = T 诊断方法 = V72 217 565 5.971 17.522 1.046 0.589 4.925
Proc_20 = T 诊断方法 = V58 173 295 3.118 17.288 0.539 0.433 2.579
Proc_20 = T 诊断方法 = 250 199 282 2.98 17.021 0.507 0.426 2.473
Proc_89 = T 诊断方法 = 250 197 282 2.98 16.667 0.497 0.561 2.484
Proc_17 = T 诊断方法 = 770 240 812 8.582 16.502 1.416 0.433 7.166
Proc_90 = T 诊断方法 = V72 213 565 5.971 16.46 0.983 1.089 4.988
Proc_29 = T 诊断方法 = V72 216 565 5.971 16.283 0.972 0.661 4.999
Proc_20 = T 诊断方法 = 780 49 161 1.702 16.149 0.275 0.404 1.427
Proc_20 = T 诊断方法 = 770 241 812 8.582 15.764 1.353 0.395 7.229
Proc_84 = T 诊断方法 = 789 78 152 1.606 15.132 0.243 1.77 1.363
Proc_74 = T 诊断方法 = 296 51 147 1.554 14.966 0.233 3.161 1.321
Proc_20 = T 诊断方法 = 296 62 147 1.554 14.966 0.233 0.375 1.321
Proc_33 = T 诊断方法 = 250 192 282 2.98 14.539 0.433 0.623 2.547
Proc_33 = T 诊断方法 = 770 234 812 8.582 14.532 1.247 0.623 7.335
Proc_88 = T 诊断方法 = V72 211 565 5.971 14.159 0.845 1.843 5.126
Proc_17 = T 诊断方法 = V53 146 224 2.367 13.839 0.328 0.364 2.04
Proc_29 = T 诊断方法 = 296 59 147 1.554 13.605 0.211 0.553 1.342
Proc_29 = T 诊断方法 = 250 196 282 2.98 13.475 0.402 0.547 2.579
Proc_84 = T 诊断方法 = V72 210 565 5.971 13.274 0.793 1.553 5.179
Proc_33 = T 诊断方法 = V58 166 295 3.118 13.22 0.412 0.567 2.706
Proc_23 = T 诊断方法 = 780 44 161 1.702 13.043 0.222 0.779 1.48
Proc_5 = T 诊断方法 = 707 9 139 1.469 12.95 0.19 0.652 1.279
Proc_89 = T 诊断方法 = V58 171 295 3.118 12.881 0.402 0.433 2.716
Proc_89 = T 诊断方法 = 770 239 812 8.582 12.685 1.089 0.427 7.493
Proc_89 = T 诊断方法 = 789 85 152 1.606 12.5 0.201 0.42 1.406
Proc_89 = T 诊断方法 = 780 47 161 1.702 12.422 0.211 0.418 1.49
Proc_17 = T 诊断方法 = V95 229 1,153 12.186 12.316 1.501 0.324 10.685
Proc_33 = T 诊断方法 = 296 55 147 1.554 12.245 0.19 0.525 1.363
Proc_17 = T 诊断方法 = V58 172 295 3.118 12.203 0.38 0.321 2.737
Proc_20 = T 诊断方法 = 510 112 194 2.05 11.856 0.243 0.297 1.807
Proc_17 = T 诊断方法 = 250 198 282 2.98 11.348 0.338 0.298 2.642
Proc_33 = T 诊断方法 = 304 67 178 1.881 11.236 0.211 0.481 1.67
Proc_20 = T 诊断方法 = 786 186 419 4.428 11.217 0.497 0.281 3.932
Proc_20 = T 诊断方法 = V95 230 1,153 12.186 11.188 1.363 0.28 10.822
Proc_90 = T 诊断方法 = 789 81 152 1.606 11.184 0.18 0.74 1.427
Proc_23 = T 诊断方法 = 789 82 152 1.606 11.184 0.18 0.668 1.427
Proc_33 = T 诊断方法 = V53 140 224 2.367 11.161 0.264 0.478 2.103
Proc_13 = T 诊断方法 = V72 209 565 5.971 11.15 0.666 2.53 5.305
Proc_5 = T 诊断方法 = 250 195 282 2.98 10.993 0.328 0.553 2.653
Proc_90 = T 诊断方法 = 780 43 161 1.702 10.559 0.18 0.699 1.522
Proc_29 = T 诊断方法 = 780 46 161 1.702 10.559 0.18 0.429 1.522
Proc_5 = T 诊断方法 = V53 143 224 2.367 10.268 0.243 0.517 2.124
Proc_5 = T 诊断方法 = V58 169 295 3.118 10.169 0.317 0.512 2.801
Proc_29 = T 诊断方法 = V58 170 295 3.118 10.169 0.317 0.413 2.801
Proc_17 = T 诊断方法 = 786 185 419 4.428 10.024 0.444 0.263 3.984
Proc_29 = T 诊断方法 = 770 238 812 8.582 9.975 0.856 0.405 7.726
Proc_23 = T 诊断方法 = V53 142 224 2.367 9.821 0.233 0.586 2.135
Proc_23 = T 诊断方法 = 510 107 194 2.05 9.794 0.201 0.585 1.85
Proc_89 = T 诊断方法 = 510 110 194 2.05 9.794 0.201 0.329 1.85
Proc_88 = T 诊断方法 = 788 242 1,553 16.413 9.788 1.606 1.274 14.807
Proc_89 = T 诊断方法 = V41 248 1,648 17.417 9.648 1.68 0.325 15.737
Proc_84 = T 诊断方法 = 788 232 1,553 16.413 9.401 1.543 1.1 14.87
Proc_89 = T 诊断方法 = 707 11 139 1.469 9.353 0.137 0.315 1.332
Proc_5 = T 诊断方法 = 780 45 161 1.702 9.317 0.159 0.469 1.543
Proc_90 = T 诊断方法 = 510 106 194 2.05 9.278 0.19 0.614 1.86
Proc_23 = T 诊断方法 = 788 253 1,553 16.413 9.144 1.501 0.546 14.912
Proc_33 = T 诊断方法 = V72 212 565 5.971 9.027 0.539 0.387 5.432
Proc_33 = T 诊断方法 = 401 117 248 2.621 8.871 0.233 0.38 2.389
Proc_22 = T 诊断方法 = V58 161 295 3.118 8.814 0.275 2.566 2.843
Proc_88 = T 诊断方法 = 780 41 161 1.702 8.696 0.148 1.132 1.554
Proc_5 = T 诊断方法 = 788 254 1,553 16.413 8.5 1.395 0.428 15.018
Proc_90 = T 诊断方法 = V53 141 224 2.367 8.482 0.201 0.561 2.167
Proc_20 = T 诊断方法 = V53 147 224 2.367 8.482 0.201 0.212 2.167
Proc_20 = T 诊断方法 = V99 99 201 2.124 8.458 0.18 0.212 1.945
Proc_84 = T 诊断方法 = 296 53 147 1.554 8.163 0.127 0.955 1.427
Proc_29 = T 诊断方法 = 707 10 139 1.469 7.914 0.116 0.321 1.353
Proc_29 = T 诊断方法 = 789 84 152 1.606 7.895 0.127 0.321 1.48
Proc_5 = T 诊断方法 = 304 70 178 1.881 7.865 0.148 0.396 1.733
Proc_17 = T 诊断方法 = 729 24 115 1.215 7.826 0.095 0.206 1.12
Proc_90 = T 诊断方法
没有合适的资源?快使用搜索试试~ 我知道了~
《IBM SPSS数据分析与挖掘实战案例精粹》 配套案例源文件源数据.rar
共115个文件
str:47个
csv:22个
sav:21个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 158 浏览量
2021-07-25
14:57:44
上传
评论
收藏 17.06MB RAR 举报
温馨提示
SPSS数据分析与挖掘实战案例精粹 配套案例源文件 本资源提供了书中所有案例涉及到的数据及IBM SPSS Modeler数据流,由于IBM SPSS Modeler数据流一律使用绝对路径来读取和导出数据文件,为了可以重现数据流的运行,请把光盘中的“SPSS案例数据”文件夹直接拷贝到C盘根目录下,否则读者就需要手工对每个数据流中相应节点的读取和写入数据文件目录位置进行改动,这样才能使数据流正常运行。
资源推荐
资源详情
资源评论
收起资源包目录
《IBM SPSS数据分析与挖掘实战案例精粹》 配套案例源文件源数据.rar (115个子文件)
clementine.css 2KB
建模数据.csv 7.97MB
custcall.csv 6.59MB
churn_analysis_raw.csv 5.9MB
products.csv 1.72MB
custinfo.csv 845KB
churn.csv 272KB
历史数据.csv 58KB
挽留活动目标客户.csv 27KB
mailshot.csv 24KB
mailshot_newdata.csv 5KB
各变量各分箱评分值.csv 528B
新数据.csv 460B
tariff.csv 258B
回归系数.csv 216B
信用卡类型分箱及对应WOE值 .csv 196B
年龄分箱及对应WOE值 .csv 127B
在现工作时间分箱及对应WOE值 .csv 121B
国籍分箱及对应WOE值 .csv 112B
收入分箱及对应WOE值 .csv 104B
住房种类分箱及对应WOE值 .csv 102B
在现住址时间分箱及对应WOE值 .csv 84B
孩子数量分箱及对应WOE值 .csv 75B
complete_analysis_table.dat 8.01MB
web_log_information.dat 6.76MB
weblog_visit&vistor.dat 5.6MB
register.dat 2.35MB
search_term.dat 148KB
login.dat 116KB
purchase.dat 90KB
visit_search_term.dat 68KB
Cluster_top3_product.dat 4KB
customer_2.dat 3KB
customer_1.dat 3KB
products.dat 2KB
Cluster_top3_page_via_3_actions.dat 486B
购买金额最大的10个客户.html 16KB
miis_complete.log 62.56MB
Northwind.mdb 2.66MB
Drug.mdb 428KB
Claim.sav 1.5MB
问卷录入数据(整理后).sav 1.15MB
卖家张三_交易表.sav 1.13MB
问卷录入数据.sav 955KB
卖家张三_买家表.sav 673KB
病案数据.sav 405KB
小额贷款数据.sav 142KB
CCSS_Sample.sav 102KB
某日顾客商品购买明细.sav 92KB
保健品.sav 45KB
Provider.sav 32KB
SARS.sav 28KB
Policy_Holder.sav 24KB
city&brand.sav 20KB
顾客满意度.sav 16KB
迟发颅脑损伤.sav 7KB
Olympic88.sav 6KB
激素水平.sav 4KB
MAH.sav 4KB
问卷计算权重.sav 1KB
汽车销量预测.sav 700B
卖家张三_生成重购分析数据集.sps 1KB
病案数据.sps 1KB
6.建立模型_使用聚类分析建立产品推荐模型.str 359KB
10.建立模型_访问者访问网页细分模型.str 265KB
3.建立模型1-聚类分析.str 262KB
7.模型发布_使用聚类分析结果向用户推荐产品.str 237KB
5.建立模型_访问用户购买行为预测.str 188KB
8.保险业欺诈发现_结果发布.str 125KB
8.建立模型_根据访问的前三个网页建立页面推荐模型.str 110KB
6.营销预演.str 99KB
5.建立模型3-流失评分.str 95KB
9.模型发布_根据访问的前三个网页推荐页面.str 83KB
7.药物选择决策支持_建立模型.str 54KB
12.建立模型_访问者访问内容细分及变化模型.str 52KB
7.保险业欺诈发现_建立模型_模型6.str 51KB
1.分箱及计算WOE值.str 47KB
9.药物选择决策支持_建立模型2.str 47KB
11.建立模型_预测访问者下一次访问类型.str 42KB
8.药物选择决策支持_模型检验.str 31KB
4.保险业欺诈发现_建立模型_模型3.str 27KB
10.药物选择决策支持_模型检验2.str 27KB
3.保险业欺诈发现_建立模型_模型2.str 24KB
5.保险业欺诈发现_建立模型_模型4.str 23KB
1.流失分析数据准备数据流.str 19KB
4.建立模型2-流失规则.str 18KB
6.保险业欺诈发现_建立模型_模型5.str 14KB
1.保险业欺诈发现_数据理解.str 13KB
2.数据探索性分析.str 12KB
2.建立模型.str 12KB
模型验证示例.str 12KB
13.建立模型_产品特征模型.str 12KB
2.数据准备_从网络日志中提取有用信息(1).str 11KB
探索性数据分析.str 10KB
1.数据准备_根据网络日志识别用户访问.str 10KB
商品购买关联分析.str 9KB
3.建立直邮响应模型.str 9KB
12.药物选择决策支持_结果发布2.str 9KB
3.数据准备_从网络日志中提取有用信息(2).str 8KB
11.药物选择决策支持_结果发布1.str 8KB
共 115 条
- 1
- 2
资源评论
passionSnail
- 粉丝: 407
- 资源: 5624
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功