网志栈编辑推荐
讲解过程图文并茂，读者学习时更加轻松；
讲解详细，并安排了项目实例，使读者能够边学边练，在短时间内就可以有一个较大的提高。采用由浅入深、简单实用的形式，方便读者快速掌握可视化软件的基本操作，并通过系统的案例使读者迅速掌握应用技巧。
；
内容简介
数据可视化允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释，数据可视化技术在国内市场长期看好，而现阶段国内相关书籍相对较少，本书选择这个方向进行系统基础研究，希望为那些在想此领域有所发展的读者提供学习帮助。在本书中，我们首先介绍数据可视化的一些基本知识，随后重点介绍使用Tableau、SAS及SPSS Modeler的可视化界面进行数据分析与数据挖掘的方法。
作者简介
王国平，大数据分析师，具体工作经历如下：2011-2014 上海大智慧股份有限公司 数据研究员2014-2016 中国电信上海分公司 大数据分析师2016至今 上海博辕信息技术服务有限公司 数据分析师
目录
目录
序 言 1
第1部分 11
数据可视化篇 11
1.1 数据可视化 12
1.1.1 Tableau 13
1.1.2 QlikView 15
1.1.3 Power BI 15
1.2 可视化数据挖掘 16
1.2.1 IBM SPSS Modeler 16
1.2.2 Intelligent Miner 17
1.2.3 SAS Enterprise Miner 18
2.1 软件页面简介 20
2.1.1 开始页面 21
2.1.2 数据源页面 23
2.1.3 工作簿页面 24
2.2 数据类型 25
2.2.1 主要数据类型 25
2.2.2 更改数据类型 26
2.3 运算符及优先级 28
2.3.1 算术运算符 28
2.3.2 逻辑运算符 29
2.3.3 比较运算符 29
2.3.4 运算符优先级 29
2.4 软件安装 30
2.4.1软件下载 30
2.4.2安装步骤 31
2.4.3软件激活 35
2.5 文件类型 37
3.1连接到文件 39
3.1.1 Excel文件 39
3.1.2 文本文件 41
3.1.3 Access 43
3.1.4 JSON文件 45
3.1.5 PDF文件 47
3.1.6 空间文件 49
3.1.7 统计文件 51
3.1.8 其他文件 53
3.2连接到数据库 54
3.2.1Tableau Server 54
3.2.2 SQL Server 55
3.2.3 MySQL 56
3.2.4 Oracle 58
3.2.5 Amazon Redshift 59
3.2.6 更多数据库 61
4.1维度和度量 64
4.1.1 维度 64
4.1.2 度量 66
4.2连续和离散 67
4.2.1 连续字段 67
4.2.2 离散字段 68
4.3工作区操作 68
4.3.1“数据”窗格 69
4.3.2“分析”窗格 71
4.3.3工具栏 71
4.3.4状态栏 72
4.3.5卡和功能区 73
4.4工作表操作 74
4.4.1创建工作表 75
4.4.2复制工作表 75
4.4.3导出工作表 77
4.4.4删除工作表 77
4.5Tableau高级应用 78
4.5.1表计算 78
4.5.2创建字段 81
4.5.3创建参数 83
4.5.4聚合计算 90
4.5.5缺失值处理 92
5.1单变量图形 95
5.1.1条形图 95
5.1.2饼图 98
5.1.3直方图 100
5.1.4折线图 101
5.2 多变量图形 103
5.2.1散点图 103
5.2.2甘特图 105
5.3 地图 106
5.3.1设置角色 106
5.3.2标记地图 108
5.3.3添加字段信息 108
5.3.4设置地图选项 109
5.3.5创建分布图 112
5.3.6自定义地图 112
第2部分 114
可视化数据挖掘篇 114
6.1 软件简介 115
6.1.1 软件历史 115
6.1.2 软件界面 117
6.1.3 软件特点 123
6.2 算法及功能 124
6.2.1 软件算法 124
6.2.2 软件功能 125
6.3 软件安装及启动 127
6.3.1 软件安装 127
6.3.2 授权许可 131
6.3.3 启动软件 134
7.1 业务理解 137
7.2 数据理解 138
7.3 数据准备 138
7.4 建立模型 140
7.5 评估模型 140
7.6 应用模型 141
8.1 连接到文件 142
8.1.1 Excel文件 142
8.1.2 变量文件 143
8.1.3 固定文件 145
8.1.4 SAS文件 146
8.1.5 Statistics文件 146
8.2 连接到数据库 147
9.1 数据流操作 151
9.1.1 生成数据流 151
9.1.2 添加和删除节点 151
9.1.3 连接数据流 152
9.1.4 修改连接节点 153
9.1.5 执行数据流 155
9.2 图形制作 155
9.2.1 散点图 155
9.2.2 直方图 157
9.2.3 网络图 158
9.2.4 评估图 160
第3部分 162
案例实战篇 162
10.1 建模思路 164
10.2 Logistic回归 165
10.3 业务理解 167
10.4 数据理解 168
10.5 数据准备 171
10.6 建立模型 173
10.6.1 模型参数设置 173
10.6.2 模型运行结果 183
10.7 模型评估 187
10.7.1 模型精确度 187
10.7.2 模型拟合度 187
10.8 模型应用 189
10.9 小结 192
11.1 建模思路 194
11.2 时间序列模型 195
11.3 业务理解 196
11.4 数据理解 197
11.5 数据准备 198
11.6 建立模型 200
11.6.1模型参数设置 200
11.6.2 模型运行结果 216
11.7 模型评估 218
11.8 模型应用 220
11.9 小结 221
12.1 建模思路 223
12.2 聚类模型 224
12.3 业务理解 225
12.4 数据理解 226
12.5 数据准备 228
12.6 建立模型 230
12.6.1模型参数设置 230
12.6.2 模型运行结果 233
12.7 模型评估 236
12.8 模型应用 239
12.9 小结 241
13.1 建模思路 243
13.2 判别分析 244
13.3 业务理解 245
13.4 数据理解 246
13.5 数据准备 248
13.6 建立模型 249
13.6.1 模型参数设置 249
13.6.2模型运行结果 257
13.7 模型评估 262
13.8 模型应用 263
13.9 小结 265
14.1 建模思路 268
14.2 神经网络模型 269
14.2.1 神经元 270
14.2.2 多层感知器 272
14.2.3 径向基函数 273
14.3 业务理解 275
14.4 数据理解 276
14.5 数据准备 278
14.6 建立模型 280
14.6.1 模型参数设置 280
14.6.2模型运行结果 287
14.7 模型评估 291
14.8 模型应用 292
14.9 小结 294
15.1 建模思路 296
15.2 决策树模型 297
15.3 业务理解 299
15.4 数据理解 300
15.5 数据准备 303
15.6 建立模型 306
15.6.1 模型参数设置 306
15.6.2 模型运行结果 316
15.7 模型评估 318
15.7.1 模型精确度 318
15.7.2 模型拟合度 318
15.8 模型应用 320
15.9 小结 323
附录A 324
配置MySQL ODBC数据源 324
A1 添加数据源管理器 324
A2 选择相应的驱动程序 324
A3 连接数据库服务器 325
附录B 327
Tableau重要函数 327
B1 数字函数 327
B2 字符串函数 329
B3 日期函数 331
B4 类型转换 334
B5 逻辑函数 335
B6 聚合函数 337
B7 直通函数 338
B8 用户函数 340
B9 表计算函数 341
B10 其他函数 346
附录C 349
SPSS Modele函数 349
C1 信息函数 349
C2 转换函数 350
C3 比较函数 351
C4 逻辑函数 352
C5 数值函数 352
C6 三角函数 353
C7 概率函数 354
C8 位元整数运算 354
C9 随机函数 355
C10 字符串函数 356
C11 日期和时间函数 359
C12 序列函数 362
C13 全局函数 365
C14 空值和Null值处理函数 366
C15 特殊函数 366
前沿
序 言
大数据时代正在变革着我们的生活、工作和思维，如何让大数据发挥出最大价值，最重要的手段就是进行数据可视化挖掘。利用可视化数据挖掘工具和技术，分析人员能够从全新的角度快速、轻松地挖掘信息，可视化数据挖掘使数据挖掘变得更简单，建模过程不需要编写代码，非技术出身的业务人员等，可以更好地利用数据做出决策。
本书基于Tableau 10.3和IBM SPSS Modeler 18.0编写，详细介绍了Tableau的数据连接、图形编辑、创建地图、表计算和聚合计算等功能，以及IBM SPSS Modeler的数据连接、CRISP-DM (跨行业数据挖掘标准流程)等功能。通过6个实际案例，重点介绍了可视化数据挖掘技术在电信、电力、医药、银行、电商和房地产等行业中的应用。
本书的内容
第1章介绍数据可视化和可视化数据挖掘的基本理论及其主要软件，前者包括Tableau、QlikView和Power BI，后者包括SPSS Modeler、Intelligent Miner和SAS Enterprise Miner。
第2章介绍Tableau Desktop 10.3的软件概括、数据类型、运算符及优先级、软件的安装与激活和Tableau的文件类型等。
第3章介绍Tableau Desktop可以连接的数据源，包括Excel文件、文本文件、Access、JSON文件、PDF文件、空间文件和统计文件等，还介绍了如何连接各类数据库，如Tableau Server、SQL Server、MySQL、Oracle等。
第4章首先介绍Tableau Desktop的维度和度量、连续和离散的概念和操作，然后介绍了工作区和工作表的等基础操作，最后详细介绍了表计算、创建字段、创建参数和聚合计算等高级操作。
第5章介绍如何使用Tableau 生成一些统计图形，如条形图、饼图、直方图、折线图、散点图、并排图、甘特图等，重点介绍了如何使用Tableau创建地图，包括设置角色、比较地图、添加字段信息、设置地图选项、创建分布图和自定义地图等。
第6章介绍IBM SPSS Modeler的发展历史、软件特点、软件算法、软件功能、安装过程和授权许可等。
第7章介绍使用IBM SPSS Modeler进行数据挖掘的6个基本步骤：业务理解、数据理解、数据准备、建立模型、评估模型和应用模型。
第8章介绍IBM SPSS Modeler的一些基本操作，包括连接到文件和连接到数据库，前者包括Excel文件、SAS文件、SPSS Statistics文件、变量文件和固定文件等，后者包括Oracle、SQL Server、DB2、MySQL等数据库。
第9章介绍IBM SPSS Modeler的数据流操作，包括生成数据流、添加和删除节点、连接数据流、修改连接节点和执行数据流等。
第10章介绍可视化数据挖掘在电信行业中的应用，根据客户流失数据，运用Logistic回归算法，建立了基于客户属性、服务属性和客户消费信息的客户流失预警模型。
第11章介绍可视化数据挖掘在电力行业中的应用，由于用电负荷具有季节性和周期性的特点，因此运用时间序列模型，同时我们选择时间序列中的专家建模器进行建模。
第12章介绍可视化数据挖掘在医药行业中的应用，根据患者的用药数据，应用K-Means聚类算法，建立了基于药物在人体的类胆固醇TC、Na、Ka等因素的药物效果聚类模型。
第13章介绍可视化数据挖掘在银行业中的应用，根据客户流失数据，运用判别分析模型，建立了基于客户的属性数据、信用等级和资产状况等因素的客户类型判别模型。
第14章介绍可视化数据挖掘在电商行业中的应用，根据客户流失数据，运用神经网络模型，建立了基于促销费用、促销前的销售额和促销后的销售额等因素的促销效果评价模型。
第15章介绍可视化数据挖掘在房地产行业中的应用，根据客户流失数据，运用CHAID决策树算法，建立了基于年龄、性别、学历、月薪和家庭人数等因素的购房决策树模型。
本书的特色
（1）内容全面，讲解详细
本书是一本实践性的可视化数据挖掘著作，详细介绍了常用软件，对于初次学习可视化数据挖掘的读者来说帮助较大，书中列出了每一步操作，便于读者的练习实践。
（2）由浅入深、循序渐进
本书从Tableau和IBM SPSS Modeler的简介、连接数据源、基础操作到高级操作，逐步深入，从易到难，由浅入深，循序渐进，适合可视化数据挖掘各个层次的读者阅读。
（3）案例丰富，高效学习
本书在介绍数据可视化和数据挖掘软件后，为了使读者快速提高数据分析的整体能力，结合6个实际案例对可视化数据挖掘的流程及步骤进行了详细全面的介绍。
本书的读者对象
本书的内容和案例适用于互联网、银行证券、电商、医药等行业数据分析用户进行可视化数据挖掘，可供高等院校相关专业学生以及从事可视化数据挖掘的研究者参考使用，也可作为Tableau和IBM SPSS Modeler软件培训和自学的教材。
由于编者水平所限，书中难免存在错误和不妥之处，请广大读者批评指正。
编者
2017年9月
数据可视化与数据挖掘——基于Tableau和SPSS Modeler图形界面 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
