1、数据挖掘概念
数据挖掘利用各种方法，从海量数据中提取出潜在的对决策有价值的信息的过程
内涵：数据探索过程
对象：海量数据
方法：各种方法
目的：辅助预测、决策
2、数据挖掘的理论基础：数据库、数据仓库、机器学习、神经网络、人工智能
3、SPSS Modeler的核心操作是-- 管理数据流
4、数据流由多个节点构成、有方向，数据在各个节点间流动
5、组成数据流的最小单元-- 节点
6、超节点概念：由多个节点集成在一个节点中形成
7、超节点作用：便于浏览和管理
8、SPSS Modeler 的数据组织形式：变量为列，样本为行 的二维表形式
9、SPSS Modeler 通过源选项不同 以下不同文件类型的读数据节点实现读取多种形式的数据：
文本（变量文本、固定文本）、excel文件、统计文件、数据库（通过ODBC方式）
10、SPSS Modeler 非源选项下主要节点名字和作用
如类型、合并、追加、排序、筛选、导出、汇总、分级、表格等节点
类型节点：定义变量类型、取值范围及角色说明
导出节点：新变量生成，通过运算在原始数据基础上生成新变量（新字段）
追加节点：数据纵向合并，实现记录增加
合并节点：数据横向合并，实现变量增加
分级化节点：数据的离散化，实现分组
排序节点：按升序或降序对单个变量或多个变量数据排序
选择节点：按条件对样本数据进行筛选
表格节点：数据浏览，实现数据输出查看
11、SPSS Modeler 的建模类主要节点和作用
C5.0节点、C&T树节点、类神经网络节点
作用：
C5.0节点：建立C5.0算法的决策树模型
C&T树节点、类神经网络节点：建立分类回归树算法的决策树模型
12、数据挖掘往往从数据基本分析开始，通常包含反映变量分布的集中趋势和离散程度
13、描述集中趋势统计量有：平均值、众数、中位数等
14、描述离散程度统计量有：方差、标准差、极差等
15、相关系数：反映两个数值型变量的线性相关程度
r的绝对值大小，可以说明现象之间相关关系的紧密程度
-1<= r <= 1
r为正 表示正相关、r为负 表示负相关
|r| = 0 r 不相关 |r| < 0.3 弱相关
0.5<|r|<= 0.8 中度相关 |r|>0.8 高度相关
16、数据的图形表示法：
散点图-- 两个数值型变量的相关趋势
折线图-- 时间序列数据特征
分布图-- 两个分类变量数据特征
网状图-- 两个或多个分类变量相关特性及分布特征
圆饼图-- 占比特征
17、压缩样本 是数据精简的方式之一，主要借助概率抽样，随机抽取样本
18、样本集划分(分割)概念和目的
样本集分割是将全部样本数据，按一定比例随机划分为两个样本子集，分别称为训练样本集和测试样本集
目的使预测模型具有一般性和稳定性，预测精度更高
19、RFM分析的概念
RFM分析是指对用户最近一次消费、消费频率、消费金额的分析，是对客户分类最重要的三个指标
20、因子分析概念
因子分析是一种减少变量个数、降低数据维度的多元统计分析方法
21、无监督的数据分组，也称为无指导分组
对数值型变量分组时，不考虑分组结果对其变量的影响
22、无监督数据分组 分组方法：
组距分组、分位数分组、单变量值分组、均值标准差分组
23、有监督的数据分组，也称有指导分组
对数值型变量分组时，应考虑分组结果对其变量的影响
24、有监督的数据分组方法：
熵分组或MDLP熵分组
25、信息量的测度指标-- 信息熵
26、MDLP 的熵分组的测度指标是信息熵和信息增益
27、计算信息增益的方法：确定样本总数、确定输出变量情况，公式、代入、计算
28、分类预测
通过归纳提炼现有数据中目标数据和输入变量的取值规律，建立分类预测模型，用于对未来新数据的预测
29、模型中的自变量在SPSS Modeler中称为输入变量，模型中的因变量称为输出变量或目标变量
30、在数据挖掘中分类预测的两种主要经典算法：决策树算法、神经网络算法
31、决策树的特点
决策树体现对样本不断分组的过程
决策树分为分类树和回归树
决策树体现输入变量和目标变量取值的逻辑关系
32、决策树的核心问题
第一 决策树的生长， 利用训练样本集建立决策树
第二 决策树的剪枝， 利用测试样本集精简决策树
33、决策树分为分类决策树和回归决策树
34、分类树：输出变量是二分类或多分类变量所建立的决策树 分类预测
35、回归树：输出变量为数值型变量所建立的决策树 数值预测
36、决策树C5.0算法 挑选信息增益最大分组
37、分类回归树 可以建立分类树也可以建立回归树
38、人工神经网络由相互连接的神经元（处理单元或节点）组成点和边连接而成
39、神经网络的重要元素-- 神经元或节点
40、神经网络节点由加法器和激活函数组成
41、神经网络的连接包含层间连接和层内连接
42、人工神经网络建立的一般步骤
数据准备-- 确定网络结构-- 确定网络权值
43、神经网络输入变量的取值范围通常在 0至1 之间
44、人工神经网络的主要模型
B-P反向传播网络、径向基函数网络
45、B-P反向传播网络是一种前馈式的多层感知机
感知机是一种最基本的神经网络模型
46、径向基函数网络也是一种前馈式网络，只包含三层网络结构
47、神经网络可实现多目标变量的预测，是解决多目标预测的好策略