資料探勘：人工智慧與機器學習發展以SPSS Modeler為範例


	資料探勘是一門結合統計學與資訊科學相關理論的方法學，藉由各種功能與模式的導入與實踐，使得資料探勘的應用遍及各個領域，成為研究與實務工作者重要的研究方法，尤其是運用在人工智慧及機器學習的未來發展。再者，隨著知識經濟的發展，以資料探勘為基礎，創造個人、組織競爭優勢、與經營績效的管理理論及工具，也就成為資料探勘發展及應用的趨勢。故資料探勘理論與工具方法的學習與導入於組織、企業，就成為知識探勘、運用與管理的重要工作。因此，我們也可以說資料探勘，對於學術界與實務界而言，是一門兼具問題、理論、與方法的學科。　　這本書所要提供給讀者的內容，即嘗試以不同資料探勘的理論為經，演算方法為緯，在經、緯的架構中，藉著個案實例，以及SPSS Modeler系統實際的操作，來說明資料探勘模式與功能所能提供問題解決的方法，以及在人工智慧及機器學習未來的發展。　　本書範例檔請至博碩官網下載。


	目錄 Chapter 01 資料探勘概論 1-1 資料探勘概念 1-2 何謂資料探勘？ 1-3 資料探勘的定義 1-4 資料探勘的流程 1-5 資料探勘的應用 Chapter 02 資料探勘的功能 2-1 資料探勘的方式與功能 2-2 分類 (Classification) 2-3 推估 (Estimation) 2.4 預測 (Predication) 2-5 集群 (Cluster or Segmentation) 2-6 關聯 (Association rules analysis) 2-7 順序 (Sequential) Chapter 03 資料庫與資料探勘 – 大資料Ⅰ 3-1 大資料與資料庫 3-2 資料與資料庫 3-3 資料庫架構 3-4 IBM SPSS Modeler 資料來源 3-5 資料品質 3-6 資料預處理 Chapter 04 資料與資料探勘 – 大數據Ⅱ 4-1 大數據與資料 4-2 資料 4-3 IBM SPSS Modeler 資料格式及設定 4-4 自動資料準備 4-5 遺漏值的處理 Chapter 05 決策樹：C5.0 5-1 決策樹基本概念 5-2 決策樹演算法簡介 5-3 IBM SPSS Modeler C5.0 節點資料格式與設定 5-4 IBM SPSS Modeler C5.0 節點設定範圍 5-5 個案應用—生物資訊 Chapter 06 分類與迴歸樹: C&RT 6-1 分類與迴歸樹基本概念 6-2 C&R Tree演算法簡介 6-3 IBM SPSS Modeler C&RT 節點資料格式與設定 6-4 IBM SPSS Modeler C&R Tree 節點設定範圍 6-5 個案應用—醫學診斷 Chapter 07 因數分析: FA/PCA 7-1 因素分析PCA/Factor基本概念 7-2 因素分析演算法簡介 7-3 IBM SPSS Modeler 主成分/因子節點資料格式與設定 7-4 IBM SPSS Modeler 主成分/因子節點設定範圍 7-5 個案應用—學術量表分析 Chapter 08 類神經網路: Artificial Neural Networks 8-1 類神經網路基本概念 8-2 類神經網路演算法簡介 8-3 IBM SPSS Modeler Neural Networks 節點資料格式與設定 8-4 IBM SPSS Modeler 類神經網路 (ANN) 節點設定範圍 8-5 個案應用—設備狀態監測 Chapter 09 貝氏網路 –Bayesian Networks 9-1 貝氏網路基本概念 9-2 貝氏定理簡介 9-3 IBM SPSS Modeler Bayesian 網路節點資料格式與設定 9-4 IBM SPSS Modeler Bayesian 網路節點設定範圍 9-5 個案應用—鐵達尼號乘客存活率分析 Chapter 10 支援向量機 – Support Vector Machine 10-1 支援向量機基本概念 10-2 多分類支援向量機演算法簡介 10-3 IBM SPSS Modeler SVM 節點資料格式與設定 10-4 IBM SPSS Modeler SVM 節點設定範圍 10-5 個案應用—公共行政管理應用 Chapter 11 關聯規則 – Association rules 11-1 關聯規則 Apriori 基本概念 11-2 Apriori 演算法簡介 11-3 IBM SPSS Modeler Apriori 節點資料格式與設定 11-4 IBM SPSS Modeler Apriori 節點設定範圍 11-5 個案應用—零售業購物籃分析應用 Chapter 12 次序分析 – Sequence analysis 12-1 次序分析Sequence analysis基本概念 12-2 次序分析演算法簡介 12-3 IBM SPSS Modeler 序列節點資料格式與設定 12-4 IBM SPSS Modeler 序列節點設定範圍 12-5 個案應用—零售業的需求推估 Chapter 13 集群分析 – Clustering analysis 13-1 集群分析 K-means 的基本概念 13-2 K-Means 演算法簡介 13-3 IBM SPSS Modeler K-Means 節點資料格式與設定 13-4 IBM SPSS Modeler K-Means 節點設定範圍 13-5 個案應用—城市汙水處理廠的水質資料 Chapter 14 類神經網路 – Kohonen neural network 14-1 類神經網路 Kohonen 基本概念 14-2 類神經網路 Kohonen neural network 演算法 14-3 IBM SPSS Modeler Kohonen neural network 節點資料格式與設定 14-4 IBM SPSS Modeler Kohonen neural network 節點設定範圍 14-5 個案應用—天文星體辨識資料應用 Chapter 15 資料探勘與人工智慧發展 15-1 人工智慧起源 15-2 人工智慧的領域 15-3 人工智慧的方法 15-4 資料探勘與人工智慧發展 Chapter 16 資料探勘與機器學習發展 16-1 機器學習起源 16-2 機器學習的領域 16-3 機器學習的方法 16-4 資料探勘與機器學習發展