實驗1  IBM SPSS Statistics軟件使用基礎(chǔ)
  1.1  實驗?zāi)康呐c要求
  1.2  實驗原理
  1.3  實驗內(nèi)容與步驟
    1.3.1  安裝、啟動與退出
    1.3.2  定義變量
    1.3.3  數(shù)據(jù)的輸入與保存
    1.3.4  數(shù)據(jù)文件的編輯與轉(zhuǎn)換
  1.4  思考題
實驗2描述性統(tǒng)計
  2.1  實驗?zāi)康呐c要求
  2.2  實驗原理
  2.3  實驗內(nèi)容與步驟
    2.3.1  中心、離散趨勢描述實驗
    2.3.2  頻數(shù)分布分析實驗
  2.4  思考題
實驗3  參數(shù)檢驗
  3.1  實驗?zāi)康呐c要求
  3.2  實驗原理
  3.3  實驗內(nèi)容與步驟
    3.3.1  單樣本t檢驗
    3.3.2  兩獨立樣本t檢驗
    3.3.3  兩配對樣本t檢驗
    3.3.4  單因素完全隨機設(shè)計的方差分析SPSS過程
    3.3.5  單因素重復(fù)測量設(shè)計的方差分析SPSS過程
    3.3.6  多因素完全隨機設(shè)計方差分析的SPSS過程
  3.4  思考題
實驗4  非參數(shù)檢驗
  4.1  實驗?zāi)康呐c要求
  4.2  實驗原理
  4.3  實驗內(nèi)容與步驟
    4.3.1  單樣本二項分布檢驗的SPSS過程
    4.3.2  相關(guān)樣本二項分布檢驗的SPSS過程
    4.3.3  獨立樣本二項分布檢驗的SPSS過程
    4.3.4  適合性卡方檢驗的SPSS過程
    4.3.5  獨立性卡方檢驗的SPSS過程
    4.3.6  符號與符號秩次檢驗的SPSS過程
    4.3.7  秩和檢驗（曼-惠特尼U檢驗）的SPSS過程
    4.3.8  中位數(shù)檢驗的SPSS過程
  4.4  思考題
實驗5  相關(guān)分析
  5.1  實驗?zāi)康呐c要求
  5.2  實驗原理
  5.3  實驗內(nèi)容與步驟
    5.3.1  二元變量相關(guān)分析的SPSS過程
    5.3.2  肯德爾和諧系數(shù)計算的SPSS過程
    5.3.3  偏相關(guān)分析的SPSS過程
  5.4  思考題
實驗6  回歸分析
  6.1  實驗?zāi)康呐c要求
  6.2  實驗原理
  6.3  實驗內(nèi)容與步驟
    6.3.1  一元線性回歸分析的SPSS過程
    6.3.2  多元線性回歸分析的SPSS過程
  6.4  思考題
實驗7  因子分析
  7.1  實驗?zāi)康呐c要求
  7.2  實驗原理
  7.3  實驗內(nèi)容與步驟
    7.3.1  因子分析的SPSS過程
    7.3.2  因素分析結(jié)果的讀取與解釋
  7.4  思考題
實驗8  IBM SPSS Modder軟件使用基礎(chǔ)
  8.1  實驗?zāi)康呐c要求
  8.2  實驗原理
    8.2.1  IBM SPSS Modeler簡介
    8.2.2  數(shù)據(jù)挖掘的CRISP-DM模型
    8.2.3  Modeler軟件使用的技巧
  8.3  實驗內(nèi)容與步驟
    8.3.1  Modeler的啟動和界面布局
    8.3.2  完整建模流程的介紹
  8.4  思考題
實驗9  關(guān)聯(lián)規(guī)則挖掘?qū)嶒?br />  9.1  實驗?zāi)康呐c要求
  9.2  實驗原理
    9.2.1  關(guān)聯(lián)規(guī)則處理數(shù)據(jù)的兩種形式
    9.2.2  關(guān)聯(lián)規(guī)則相關(guān)概念
  9.3  實驗內(nèi)容與步驟
    9.3.1  Apriori算法應(yīng)用
    9.3.2  序列關(guān)聯(lián)應(yīng)用
  9.4  思考題
實驗10  決策樹分類實驗
  10.1  實驗?zāi)康呐c要求
  10.2  實驗原理
    10.2.1  決策樹分類原理
    10.2.2  決策樹分類常用算法
  10.3  實驗內(nèi)容與步驟
    10.3.1  導(dǎo)入數(shù)據(jù)
    10.3.2  數(shù)據(jù)認識與處理
    10.3.3  建立模型與評估
  10.4  思考題
實驗11  支持向量機SVM分類實驗
  11.1  實驗?zāi)康呐c要求
  11.2  實驗原理
  11.3  實驗內(nèi)容與步驟
    11.3.1  導(dǎo)入數(shù)據(jù)
    11.3.2  建立模型
  11.4  思考題
實驗12  人工神經(jīng)網(wǎng)絡(luò)分類實驗
  12.1  實驗?zāi)康呐c要求
  12.2  實驗原理
  12.3  實驗內(nèi)容與步驟
    12.3.1  導(dǎo)入數(shù)據(jù)
    12.3.2  模型建立
  12.4  思考題
實驗13貝葉斯方法分類實驗
  13.1  實驗?zāi)康呐c要求
  13.2  實驗原理
    12.2.1  貝葉斯定理和樸素貝葉斯
    13.2.2  Modeler中的貝葉斯分類器
  13.3  實驗內(nèi)容與步驟
    13.3.1  數(shù)據(jù)導(dǎo)入
    13.3.2  貝葉斯網(wǎng)絡(luò)建模
  13.4  思考題
實驗14 K均值與二分法聚類實驗
  14.1  實驗?zāi)康呐c要求
  14.2  實驗原理
    14.2.1  聚類分析
    14.2.2  K-Means聚類
    14.2.3  兩步聚類
  14.3  實驗內(nèi)容與步驟
    14.3.1  K均值聚類
    14.3.2  兩步法類
  14.4  思考題
參考文獻