數(shù)據(jù)挖掘是人工智能和機器學習中最活躍的地帶。SPSSModeler充分利用計算機系統(tǒng)的運算處理能力和圖形展現(xiàn)能力，將數(shù)據(jù)挖掘方法、應(yīng)用與工具有機地融為一體，成為內(nèi)容全面、功能強大、操作友好的數(shù)據(jù)挖掘軟件產(chǎn)品，是大數(shù)據(jù)分析的理想工具。本書以數(shù)據(jù)挖掘的實踐過程為主線，系統(tǒng)介紹了決策樹、人工神經(jīng)網(wǎng)絡(luò)、支持向量機、Logist

本書一共分為14章,第1章到第5章為基礎(chǔ)章節(jié),這一部分內(nèi)容偏重Stata的基礎(chǔ)操作與常用命令的講解。第6章到第10章為進階章節(jié),這一部分內(nèi)容側(cè)重于Stata的函數(shù)、矩陣、循環(huán)語句以及編程等方面的學習和操作講解。第11章到第14章為應(yīng)用章節(jié),這一部分的內(nèi)容側(cè)重于數(shù)據(jù)分析的綜合案例操作以及分析結(jié)果報告。

本書分為兩部分。第一部分是運用抽樣方法的實際例子，對扎根理論性抽樣、目標導(dǎo)向性抽樣、理論或立意抽樣展開方法論的論證。第二部分聚焦質(zhì)性研究中的實在論抽樣方法，其中第四章闡述了一種實在論策略的抽樣基礎(chǔ)，此部分考量的是影響研究的內(nèi)外部因果作用力和生成機制。接下來的三章闡述實在論抽樣策略的三個關(guān)鍵因素。第五章考慮立意工作和假設(shè)

本書通過詳細的圖文步驟介紹了使用SPSS進行統(tǒng)計分析的方法和技巧。其中，第1～5章主要介紹SPSS的基礎(chǔ)操作、數(shù)據(jù)處理、繪圖等內(nèi)容；第6～13章則圍繞SPSS中的常用統(tǒng)計與檢驗方法展開，介紹了如何使用SPSS進行描述性統(tǒng)計、假設(shè)檢驗、相關(guān)性檢驗、方差分析、非參數(shù)檢驗，以及使用SPSS實現(xiàn)邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、聚類

"本書共11章，闡述統(tǒng)計學是處理包括文本、圖像和聲音等各種數(shù)據(jù)類型的科學，具體包括緒論，描述統(tǒng)計學（統(tǒng)計數(shù)據(jù)搜集和整理、統(tǒng)計圖展示、時間數(shù)列、統(tǒng)計指數(shù)與統(tǒng)計評價指數(shù)），傳統(tǒng)推斷統(tǒng)計學（參數(shù)估計和假設(shè)檢驗、相關(guān)與回歸分析），大數(shù)據(jù)統(tǒng)計挖掘簡介和Python統(tǒng)計分析實驗五大部分內(nèi)容。 教材注重創(chuàng)新性、實用性和

本書主要圍繞統(tǒng)計中心工作，以統(tǒng)計建模的方式對經(jīng)濟社會發(fā)展中的重點問題和統(tǒng)計數(shù)據(jù)進行深入地分析與研究，通過統(tǒng)計分析、預(yù)測預(yù)判建立統(tǒng)計模型。結(jié)合統(tǒng)計工作，體現(xiàn)與時俱進和創(chuàng)新精神，注重對數(shù)據(jù)的探索研究，提高統(tǒng)計模型的實用性、針對性和有效性。

本書為統(tǒng)計學入門級教材，系統(tǒng)涵蓋描述統(tǒng)計、推斷統(tǒng)計及常用應(yīng)用方法三大模塊，內(nèi)容共分9章。全書通過例題數(shù)據(jù)與Excel（2019版）全流程操作演示，幫助讀者快速掌握數(shù)據(jù)預(yù)處理、可視化分析、參數(shù)估計、假設(shè)檢驗、回歸分析及時間序列預(yù)測等技能。本書具有以下特色：（1）全部使用Excel實現(xiàn)計算與分析。每種方法均以文本框的形式給

增長曲線模型是一種用于分析和描述具有短、中期時間序列的隨時間重復(fù)測量或縱向數(shù)據(jù)中響應(yīng)變量變化軌跡的統(tǒng)計工具。特別適用于研究個體或群體如何隨著時間的推移、變化或發(fā)展，在生理學、心理學、教育學、醫(yī)學和生物學等各個領(lǐng)域有著廣泛的應(yīng)用。本書內(nèi)容包括增長曲線模型、多元線性與增長曲線混合模型、嵌套可加增長曲線模型、正交可加增長曲線

本書分為4個部分，共23章，通過案例和視頻，全面介紹了使用SPSS進行統(tǒng)計分析和建立統(tǒng)計模型的方法和技巧。第一部分介紹了SPSS的基本功能以及數(shù)據(jù)預(yù)處理的方法。第二部分是描述性數(shù)據(jù)分析，包括頻率分析、數(shù)據(jù)基本特征分析、探索分析和數(shù)據(jù)可視化、列聯(lián)表分析和多選項分析。第三部分是推斷性數(shù)據(jù)分析，包括參數(shù)檢驗、方差分析、相關(guān)分

本書稿圍繞經(jīng)典的統(tǒng)計分析和機器學習方法，并與R語言結(jié)合，從基本的統(tǒng)計描述分析方法出發(fā)，講解了數(shù)據(jù)可視化、參數(shù)估計與假設(shè)檢驗、線性回歸、時間序列分析、邏輯回歸、決策樹、降維分析等方法。每一章重點介紹一種經(jīng)典方法或統(tǒng)計模型，對其基本定義、模型形式、統(tǒng)計方法的推導(dǎo)與解讀等都給出了細致的講解。此外，為了將理論與實踐緊密結(jié)合，每