决策树C5算法的分析与应用

数据挖掘是从大量数据中提取有用信息的新技术。本文介绍了数据挖掘的基本概念，重点分析了决策树C5算法。并使用SPSS公司Clementine工具提供的C5算法，实现意向购房的数据挖掘。     

数据挖掘在仓库物资补给预测中的应用研究

介绍使用数据挖掘工具SQL Server 2005 Data Mining、SPSS／Clementine进行仓库物资补给预测的方法和步骤并就使用两种教据挖掘工具,利用不同的挖掘算法进行物资补给预测的结果进行比对分析,以便使库存数量和成本之间取得平衡。     

基于两步聚类分析方法的ARP系统用户分析

随着信息技术的高速发展,聚类分析方法在客户分类中得到越来越多的应用。本文借助SPSS Clementine 12.0软件,使用两步聚类分析方法对中国科学院资源规划项目（Academia Resource Planning,ARP）系统用户进行聚类分析。总结各类用户的特点,剖析聚类结果的原因,并针对不同类型用户存在问题提出了具体的解决建议。旨在更好地进行用户管理、客户关系的建立,进而为提升系统使用效果和服务水平提供参考依据。     

基于Clementine神经网络的商品促销效果预测模型应用

介绍了人工神经网络的基本原理,将神经网络的BP算法引入商品促销研究领域,并运用Clementine建立BP神经网络模型,以某个历史促销数据为原始数据样拳,对网络进行训练后,对商品促销效果进行预测,预测模型在预测精度和收敛速度方面都达到了较好的效果．对商家的决策支持产生了积极的影响。     

图书流通信息关联规则挖掘应用

该文将数据挖掘技术应用于图书馆数据库,挖掘主题确定后,依次进行了数据选择、数据转换和清理、数据再丰富、编程工作、数据挖掘。利用关联挖掘对图书馆的流通管理数据进行分析,发现读者借阅一类图书时的其他借阅行为,便于为读者推荐相关文献,也可以优化馆藏布局,并为图书馆管理人员提供技术和决策支持。其中数据挖掘是使用Clementine12完成。     

数据挖掘的流程改进和模型应用

针对跨行业数据挖掘标准流程(CRISP-DM)的不足,提出在结果部署和数据理解之间增加连线,从而形成了数据挖掘过程的回环.研究了模型部署的方法,用数据库和批处理文件等技术解决了模型应用于信息系统中的平台限制.以陕西省高校财务风险预警为例,在Clementine上运用支持向量机作为挖掘算法,按照改进的流程进行了实证.改进的数据挖掘流程和实现方法对于数据挖掘模型的广泛使用具有推动作用.     

数据挖掘关键技术在人事管理中的应用研究

主要探讨了数据挖掘关键技术在人事管理系统中的应用.传统的人事管理系统主要面向事务处理,运用数据挖掘技术的关联规则和聚类分析并结合Clementine 10.1对事业单位人事管理系统中的海量数据进行分析,挖掘出该系统中人员信息的潜在关系和有效规则,分析可能存在的问题,为事业单位的人事管理提供有价值的决策依据.     

决策树算法与客户流失分析

为了向市场人员提供决策依据,有效降低客户流失率,基于数据挖掘平台Clementine,构造出一种客户流失模型,并分别利用决策树算法C5.0及分类和回归算法对某运营商提供的实际数据进行实验分析。对比实验结果可知,C5.0算法在准确率及覆盖率等方面更适合于该运营商。     

基于Clementine的图书馆流通数据挖掘

数字图书馆改变了传统图书馆的服务模式,同时也积累了大量的读者信息,为个性化服务提供了数据基础。本文重点研究聚类分析技术及其在图书馆中的应用,利用Clementine的两步聚类模型实现对读者的聚类分析,将读者聚类为消极型、一般型和积极型三种类型,针对不同类型的读者,图书馆可以提供相应的个性化服务。     

电信客户流失预测模型研究

以某地市电信企业的客户为目标用户群,结合电信行业的业务规则,利用SPSS公司的数据挖掘工具Clementine,运用数据挖掘中的CRISP—DM模型方法建立了客户流失预测模型,为电信企业对流失客户采取更有效的营销策略提供一些建议。