数据仓库与数据挖掘实验指导书v3odjpzz.docVIP

《》实验指导书 （适用于专业） 目 录 前 言 1 实验一、SPSS Clementine 软件功能演练 5 实验二、SPSS Clementine 数据可视化 9 实验三、决策树C5.0 建模 10 实验四、关联规则挖掘 21 实验五、欺诈屏蔽/异常检测/神经网络 29 实验六、分类和回归树节点(CRT) 40 实验七、多项 Logistic 回归 50 实验八、综合实验：电力负荷预测 56 前 言 一、课程简介 数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)，因此，数据挖掘和数据仓库的协同工作，一方面，可以迎合和简化数据挖掘过程中的重要步骤，提高数据挖掘的效率和能力，确保数据挖掘中数据来源的广泛性和完整性。另一方面，数据挖掘技术已经成为数据仓库应用中极为重要和相对独立的方面和工具。 数据挖掘有机结合了来自多学科技术，其中包括：数据库、数理统计、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理、空间数据分析等，这里我们强调数据挖掘所处理的是大规模数据，且其