第1章  数据挖掘和clementine使用概述
1.1数据挖掘的产生背景
1.2什么是数据挖掘
1.3clementine软件概述

第2章  clementine的数据读入和数据集成
2.1变量类型
2.2读人数据
2.3生成实验方案
2.4数据集成

第3章  clementine的数据理解
3.1变量说明
3.2数据质量的评估和调整
3.3数据的排序
3.4数据的分类汇总
3.5用户报表

第4章  clementine的数据准备
4.1变量变换
4.2变量派生
4.3数据精简
4.4数据筛选
4.5数据准备的其他工作

第5章  clementine的基本分析
5.1数值型变量的基本分析
5.2两分类型变量相关性的研究
5.3两总体的均值比较
5.4rfm分析

第6章  clementine的数据精简
6.1变量值的离散化处理
6.2特征选择
6.3因子分析

第7章  分类预测：clementine的决策树
7.1决策树算法概述
7.2clementine的c5.0算法及应用
7.3clementine的分类回归树及应用
7.4clementine的chaid算法及应用
7.5clementine的quest算法及应用
7.6模型的对比分析

第8章  分类预测：clementine的人工神经网络
8.1人工神经网络算法概述
8.2clementine的b-p反向传播网络
8.3clementine的b-p反向传播网络的应用
8.4clementine的径向基函数网络及应用

第9章  分类预测：clementine的支持向量机
9.1支持向量分类的基本思路
9.2支持向量分类的基本原理
9.3支持向量回归
9.4支持向量机的应用

第10章  分类预测：clementine的logistic回归分析
10.1logistic回归分析概述
10.2二项logistic回归分析
10.3二项logistic回归分析的应用
10.4多项logistic回归分析及应用

第11章  分类预测：clementine的判别分析
11.1距离判别法
11.2fisher判别法
11.3贝叶斯判别法
11.4判别分析的应用

第12章  分类预测：clementine的贝叶斯网络
12.1贝叶斯方法基础
12.2贝叶斯网络概述
12.3tan贝叶斯网络
12.4马尔科夫毯网络
12.5贝叶斯网络的应用

第13章  探索内部结构：clementine的聚类分析
13.1聚类分析的一般问题
13.2clementine的k-means聚类及应用
13.3clementine的两步聚类及应用
13.4clementine的kohonen网络聚类及应用
13.5基于聚类分析的离群点探索

第14章  探索内部结构：clementine的关联分析
14.1简单关联规则及其有效性
14.2clementine的apriori算法及应用
14.3clementine的gri算法及应用
14.4clementine的序列关联及应用
参考文献