Readmoo 讀墨電子書
國際布克獎 每日優惠 版權到期
Data Mining概述：以Clementine 12.0為例
0 則劃線
0 篇書評

Data Mining概述：以Clementine 12.0為例

分類導覽 > 電腦科技 > 軟\硬體應用
  • 出版日期： 2017/11/01
  • 語言：繁體中文
  • 檔案大小：209.4MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9789863939382
  • 頁數： 872
紙本書定價：NT$ 1000
電子書售價：NT$ 600
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

您是否常常聽人講：「如果我早知道的話，我就不會做這樣的選擇了！」在解決問題之前，我們往往必須收集相關的資訊用來分析。然而，在日常的商業過程中執行作業應用程式會産生大量的資料， 有效地將這些資料運用在決策過程中，可以有很大的加值效益。對於現代的企業而言，資料被視為重要的資産，但是您必須要能利用這些資料，也就是把這些龐大的資料轉換為有用的資訊，才能産生真正的價值！研究結果顯示，企業所處理的資料每五年就會呈倍數成長。大部分的企業並沒有資料不足的問題，過度的資料重復與不一致才是大問題，這使得企業無論在使用、有效管理、以及將這些資料用於決策過程方面都遭遇到了困難。因此市場需要的是能夠將資料轉變成可靠與可用資訊的系統。

資料採礦的工作（Data Mining）是近年來資料庫應用領域中，相當熱門的議題。它是個神奇又時髦的技術，但卻也不是什麼新東西，因為Data Mining使用的分析方法，如預測模型（迴歸、時間數列）、資料庫分割（Database Segmentation）、連接分析（Link Analysis）、離差偵測（Deviation Detection）等；美國政府從第二次世界大戰前，就在人口普查以及軍事方面使用這些技術，但是資訊科技的進展超乎想像，新工具的出現，例如關連式資料庫、物件導向資料庫、柔性計算理論（包括Neural network、Fuzzy theory、Genetic Algorithms、Rough Set等）、人工智慧的應用（如知識工程、專家系統），以及網路通訊技術的發展，使從資料堆中採礦寶藏，常常能超越歸納範圍的關係；使Data Mining成為企業智慧的一部分。

喜歡這本的人，也看了...

  • 李明憲
    李明憲
    電子書： NT$ 300

    你還在一篇一篇讀論文、手動整理筆記嗎？ 本書以兩個真實情境貫穿全書：碩士生陳曉明五個月完成論文，文科生林雅婷六個月轉職資料分析師。每一章都是可直接...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 860

    問卷回來了，樣本才 20 幾個，跑迴歸不顯著——然後呢？ fsQCA（模糊集合質性比較分析）讓小樣本也能找出多重因果路徑。 這是第一本繁體中文 fsQCA 完整...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 550

    每次想做個小工具，就被「要會寫程式」這道牆擋住？現在牆拆了。王老師不會寫程式，卻用 Claude 做出了成績查詢系統、家長通知單產生器、還有自動統計的問卷...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 380

    書籍簡介 本書是台灣首創的 AI學術研究七步驟實戰手冊，帶你從主題探索到文獻寫作，完整建立知識庫與工作流。書中整合 Undermind、Consensus、Scispace、Li...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 653

    指導教授丟了 300 篇論文給你，說「先把文獻回顧做完」。你打開第一篇，讀了 40 分鐘，寫完摘要，還剩 299 篇。碩士生小陳也是這樣——直到他用 Claude 批次摘...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 653

    主治醫師說「這個案例值得寫」，你卻連 Introduction 第一句都不知道怎麼下？住院醫師宥安也是這樣開始的。他用 Claude 從零走完文獻搜尋、研究計畫、Case R...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 653

    翻轉教學做了一整個學期，學生好像有進步，但你寫不出一篇論文證明它。國小老師林佳蓉也是這樣——直到她用 Claude，六個月內走完文獻搜尋、研究設計、論文撰寫...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 650

    每天花好幾小時整理信件、做報表、寫報價單？ 阿凱用 Claude 之後，行政庶務從四小時縮到五十分鐘。 林主任的公文轉換從半天變成一個指令。 Sophie 的行銷週...

    試讀
  • 周明達
    周明達
    電子書： NT$ 360

    **「2040天下無人」：洞灼未來科技趨勢、彈指未來數據世紀 ** @ 宏觀、具體、清淅、邏輯、一統的方式，描述過去、現在與未來科技演化趨勢與產業脈動。 @ 宏...

    試讀
  • 井上伸雄 藏本貴文
    台灣東販
    出版日期：2022-11-28
    電子書： NT$ 294

    從半導體運用方式的工程師觀點、商業觀點，以及各種不同面向，看待整個半導體產業

    試讀
  • 陳威均
    捷克仕移動
    電子書： NT$ 499

    本書針對希望提升企業運營效率的初學者設計，全面介紹了 ERPNext 系統的基礎知識和應用實踐。 ERPNext 是一款強大且靈活的開源 ERP 系統，具備以下優點： 開...

    試讀
  • Nick Chang
    智積科技
    電子書： NT$ 199

    半導體業務最大的問題，不是不努力，而是沒有方法。 很多人花大量時間跑客戶、報價、跟進，卻始終無法突破業績瓶頸。原因在於：缺乏一套能「穩定成交」的銷...

    試讀
  • 菊地正典
    台灣東販
    電子書： NT$ 308

    科技素人也能迅速了解產業知識！ 本書將盡可能囊括所有跟半導體相關的領域， 並以國中程度的知識即能理解的方式盡力介紹給讀者——

    試讀
  • Alan Michael
    艾可以工作室
    電子書： NT$ 150

    (本書持續校稿更新中，如有缺漏可以來信告知，我們會免費更新給您) AI浪潮下，自己有很多創意點子卻不知道如何實現嗎？ 很討厭老闆、想要自己創業，卻苦無資...

    試讀
  • 查看系列
    陳吉清
    火星頑童
    電子書： NT$ 320

    你在使用InDesign編排嗎？而且真的瞭解這套軟體的使用方式嗎？ 排版很簡單，但是要把InDesign用到純熟、克服許多版面設計上的難題就不簡單了！ 作者身為專業...

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 350

    📘 你知道所有的文獻都是原子句構成的嗎?這是一本革命性的閱讀文獻方法，以往，我們總是一篇篇閱讀，再親手摘要、改寫，不僅耗時，也容易陷入資訊的迷霧。如...

    試讀
  • 堀桂太郎
    台灣東販
    電子書： NT$ 280

    從生活娛樂、網路通訊到產業發展，掌握電路結構！

    試讀
  • 李明憲
    李明憲
    電子書： NT$ 1000

    -這是一本手把手的實戰手冊，帶你從零開始： - 理解Q方法論的哲學基礎、設計研究架構、建構論匯、開發36句Q陳述，到完成IRB倫理審查申請。 - 最大亮點：結...

    試讀

    • 詳細資訊

    您是否常常聽人講：「如果我早知道的話，我就不會做這樣的選擇了！」在解決問題之前，我們往往必須收集相關的資訊用來分析。然而，在日常的商業過程中執行作業應用程式會産生大量的資料，有效地將這些資料運用在決策過程中，可以有很大的加值效益。對於現代的企業而言，資料被視為重要的資産，但是您必須要能利用這些資料，也就是把這些龐大的資料轉換為有用的資訊，才能産生真正的價值！

    研究結果顯示，企業所處理的資料每五年就會呈倍數成長。大部分的企業並沒有資料不足的問題，過度的資料重復與不一致才是大問題，這使得企業無論在使用、有效管理、以及將這些資料用於決策過程方面都遭遇到了困難。因此市場需要的是能夠將資料轉變成可靠與可用資訊的系統。

    資料採礦的工作（Data Mining）是近年來資料庫應用領域中，相當熱門的議題。它是個神奇又時髦的技術，但卻也不是什麼新東西，因為Data Mining使用的分析方法，如預測模型（迴歸、時間數列）、資料庫分割（Database Segmentation）、連接分析（Link Analysis）、離差偵測（Deviation Detection）等；美國政府從第二次世界大戰前，就在人口普查以及軍事方面使用這些技術，但是資訊科技的進展超乎想像，新工具的出現，例如關連式資料庫、物件導向資料庫、柔性計算理論（包括Neural network、Fuzzy theory、Genetic Algorithms、Rough Set等）、人工智慧的應用（如知識工程、專家系統），以及網路通訊技術的發展，使從資料堆中採礦寶藏，常常能超越歸納範圍的關係；使Data Mining成為企業智慧的一部
    分。

    目錄列表

  • Clementine 12.0
    1. 1. Introduction
      1. 1.1 何謂Data Mining？
      2. 1.2 資料倉儲、KDD、Data mining的關係
      3. 1.3 Data Warehousing 和 Data Mining 的關係為何？
      4. 1.4 Data Mining的應用
      5. 1.5 Data Mining的進行步驟
      6. 1.6 個案研究
      7. 1.7 Data Mining的工具
        1. 1.7.1 Classification
        2. 1.7.2 Regression
        3. 1.7.3 Time-Series Forcasting
        4. 1.7.4 Clustering
        5. 1.7.5 Association
        6. 1.7.6 Sequence Discovery
      8. 1.8 Data mining分析工具
      9. 1.9 Data Mining 的運用理論與實際運用功能
      10. 1.10 Data Mining軟體
      11. 1.11 Data Mining 在 CRM 中扮演的角色
        1. 1.11.1 客服中心是顧客關係管理的火車頭
        2. 1.11.2 從客服中心角度看顧客關係管理
      12. 1.12 統計學與資料採礦
        1. 1.12.1 統計學近40年的走勢
    2. 2. Clementine Overview
      1. 2.1 Getting Started
        1. 2.1.1 Installing Clementine
        2. 2.1.2 System Requirements
        3. 2.1.3 Installation Procedure
        4. 2.1.4 Uninstalling Clementine
        5. 2.1.5 Starting Clementine
        6. 2.1.6 Connecting to a Server
        7. 2.1.7 Changing the Temp Directory
      2. 2.2 Clementine at a Glance
        1. 2.2.1 Clementine Interface
        2. 2.2.2 Clementine Toolbars
        3. 2.2.3 Using the Mouse in Clementine
        4. 2.2.4 Using Shortcut Keys
        5. 2.2.5 Getting Help in Clementine
      3. 2.3 Setting Clementine Options
        1. 2.3.1 System Options
        2. 2.3.2 Setting Default Directories
        3. 2.3.3 Setting User Options
        4. 2.3.4 Setting Notification Options
        5. 2.3.5 Setting Display Options
        6. 2.3.6 Setting Optimization Options
        7. 2.3.7 Setting PMML Export Options
        8. 2.3.8 Printing
      4. 2.4 Automating Clementine
    3. 3. What's New in Clementine 12.0
      1. 3.1 Welcome to Clementine 12.0
      2. 3.2 New Features
        1. 3.2.1 Automated Modeling
        2. 3.2.2 New Algorithms
        3. 3.2.3 Other Analytical Enhancements
        4. 3.2.4 Improved Visualization
      3. 3.3 Clementine Documentation
    4. 4. Understanding Data Mining
      1. 4.1 Data Mining Overview
      2. 4.2 Machine-Learning Techniques
        1. 4.2.1 Neural Networks
        2. 4.2.2 Rule Induction
        3. 4.2.3 Kohonen Networks
        4. 4.2.4 Association Rules
        5. 4.2.5 Statistical Models
        6. 4.2.6 Clustering Models
      3. 4.3 Assessing the Data
        1. 4.3.1 Is the Data Available?
        2. 4.3.2 Does the Data Cover the Relevant Attributes?
        3. 4.3.3 Is the Data Noisy?
        4. 4.3.4 Is There Enough Data?
        5. 4.3.5 Is Expertise on the Data Available?
      4. 4.4 A Strategy for Data Mining
        1. 4.4.1 The CRISP-DM Process Model
      5. 4.5 Tips
        1. 4.5.1 Induction, Neural Net, or Statistical Models?
        2. 4.5.2 Is the Data Balanced?
        3. 4.5.3 Sampling
        4. 4.5.4 Collecting Exceptions
    5. 5. Building Streams
      1. 5.1 Stream-Building Overview
      2. 5.2 Building Data Streams
        1. 5.2.1 Working with Nodes
        2. 5.2.2 Working with Streams
        3. 5.2.3 Executing Streams
        4. 5.2.4 Saving Data Streams
        5. 5.2.5 Loading Files
        6. 5.2.6 Mapping Data Streams
    6. 6. Handling Missing Values
      1. 6.1 Overview of Missing Values
      2. 6.2 Specifying Missing Values
      3. 6.3 Handling Missing Values
        1. 6.3.1 Handling Records with Missing Values
        2. 6.3.2 Handling Fields with Missing Values
      4. 6.4 CLEM Functions for Missing Values
        1. 6.4.1 Note on Discarding Records
    7. 7. Source Nodes（來源節點）
      1. 7.1 Overview（簡介）
      2. 7.2 Enterprise View Node（企業概觀節點）
        1. 7.2.1 Enterprise View Connection
        2. 7.2.2 Choosing the DPD（選取資料提供者）
        3. 7.2.3 Choosing the Table（選取表或目錄）
      3. 7.3 Variable File Node（變數檔案節點）
        1. 7.3.1 Setting Options for the Variable File Node（變數檔案節點的選項設定）
      4. 7.4 Fixed File Node（固定檔案節點）
        1. 7.4.1 Setting Options for the Fixed File Node（固定檔案節點的選項設定）
      5. 7.5 Setting Field Storage and Formatting（欄位儲存與格式的設定）
      6. 7.6 Database Node（資料庫節點）
        1. 7.6.1 Setting Database Node Options（資料庫節點的選項設定）
        2. 7.6.2 Adding a Database Connection（資料庫連線的新增設定）
        3. 7.6.3 Selecting a Database Table（表格的選取設定）
        4. 7.6.4 Querying the Database（資料庫的查詢設定）
      7. 7.7 SPSS Import Node（SPSS輸入節點）
      8. 7.8 SAS Import Node（SAS輸入節點）
        1. 7.8.1 Setting Options for the SAS Import Node（SAS輸入節點的選項設定）
      9. 7.9 Excel Import Node（Excel輸入節點）
      10. 7.10 User Input Node（使用者輸入節點）
        1. 7.10.1 Setting Options for the User Input Node（使用者輸入節點的選項設定）
      11. 7.11 Dimensions Import Node（尺寸輸入節點）
      12. 7.12 Common Source Node Tabs（常見來源節點選項）
        1. 7.12.1 Setting Data Types in the Source Node（來源節點的類型設定）
        2. 7.12.2 Filtering Fields from the Source Node（來源節點的過慮器設定）
    8. 8. Record Operations Nodes（資料列處理節點）
      1. 8.1 Overview of Record Operations（資料列處理簡介）
      2. 8.2 Select Node（選取節點）
      3. 8.3 Sample Node（樣本節點）
        1. 8.3.1 Setting Options for the Sample Node（樣本節點的選項設定）
      4. 8.4 Balance Node（平衡節點）
        1. 8.4.1 Setting Options for the Balance Node（平衡節點的選項設定）
      5. 8.5 Aggregate Node（整合節點）
        1. 8.5.1 Setting Options for the Aggregate Node（整合節點的選項設定）
      6. 8.6 RFM Aggregate Node
        1. 8.6.1 Setting Options for the RFM Aggregate Node（RFM整合節點的選項設定）
      7. 8.7 Sort Node（排序節點）
        1. 8.7.1 Sort Optimization Settings（排序節點的最佳化設定）
      8. 8.8 Merge Node（合併節點）
        1. 8.8.1 Specifying a Merge Method and Keys（合併節點的合併設定）
        2. 8.8.2 Filtering Fields from the Merge Node（合併節點的過濾器設定）
        3. 8.8.3 Setting Input Order and Tagging（合併節點的輸入設定）
        4. 8.8.4 Merge Optimization Settings（合併節點的最佳化設定）
      9. 8.9 Append Node（附加節點）
        1. 8.9.1 Setting Append Options（附加節點的選項設定）
      10. 8.10 Distinct Node（相異的節點）
    9. 9. Field Operations Nodes（資料欄位處理節點）
      1. 9.1 Field Operations Overview（資料欄位處理簡介）
      2. 9.2 Type Node（類型節點）
        1. 9.2.1 Data Types（欄位的類型設定）
        2. 9.2.2 What Is Instantiation（何謂實體化）
        3. 9.2.3 Data Values（欄位的值設定）
        4. 9.2.4 Missing values（欄位的遺漏設定）
        5. 9.2.5 Checking Type Values（欄位的檢查設定）
        6. 9.2.6 Setting Field Direction（欄位的方向設定）
        7. 9.2.7 Copying Type Attributes（欄位的屬性複製設定）
        8. 9.2.8 Field Format Settings Tab（欄位的格式設定）
      3. 9.3 Filter Node（過濾器節點）
        1. 9.3.1 Setting Filtering Options（過濾器節點的選項設定）
      4. 9.4 Derive Node（導出節點）
        1. 9.4.1 Setting Basic Options for the Derive Node（導出節點的基本設定）
        2. 9.4.2 Deriving Multiple Fields（導出節點的多重欄位導出設定）
        3. 9.4.3 Setting Derive Formula Options（導出節點的公式導出設定）
        4. 9.4.4 Setting Derive Flag Options（導出節點的旗標導出設定）
        5. 9.4.5 Setting Derive Set Options（導出節點的集合導出設定）
        6. 9.4.6 Setting Derive State Options（導出節點的狀態導出設定）
        7. 9.4.7 Setting Derive Count Options（導出節點的計數導出設定）
        8. 9.4.8 Setting Derive Conditional Options（導出節點的附有條件的導出設定）
      5. 9.5 Ensemble Node（總效果節點）
        1. 9.5.1 Setting Options for Ensemble Node
        2. 9.5.2 Range Field Selected as the Target
        3. 9.5.3 Categorical Field Selected as the Target
      6. 9.6 Filler Node（填入器節點）
        1. 9.6.1 Storage Conversion（儲存方式轉換設定）
      7. 9.7 Anonymize Node
      8. 9.8 Reclassify Node（再分類節點）
      9. 9.9 Binning Node（分離節點）
        1. 9.9.1 Setting Options for the Binning Node（分離節點的選項設定）
        2. 9.9.2 Fixed-Width Bins（分離節點的固定寬度設定）
        3. 9.9.3 Tiles（Equal Count or Sum）（分離節點的分位設定）
        4. 9.9.4 Rank Cases（分離節點的位階設定）
        5. 9.9.5 Mean/Standard Deviation（分離節點的平均值/標準差設定）
        6. 9.9.6 Optimal Binning（分離節點的最佳化設定）
        7. 9.9.7 Previewing the Generated Bins（分離節點的產生設定）
      10. 9.10 RFM Analysis Node
        1. 9.10.1 RFM Analysis Node Settings（RFM分析節點的設定）
        2. 9.10.2 Setting RFM Analysis bin values（RFM分析節點的分離設定）
      11. 9.11 Partition Node（分割區節點）
      12. 9.12 Set to Flag Node（設成旗標節點）
        1. 9.12.1 Setting Options for the Set to Flag Node（設成旗標節點的選項設定）
      13. 9.13 Restructure Node（重組節點）
        1. 9.13.1 Setting Options for the Restructure Node（重組節點的選項設定）
      14. 9.14 Transpose Node（調換節點）
        1. 9.14.1 Setting Options for the Transpose Node（調換節點的選項設定）
      15. 9.15 Time Intervals Node（時間間隔節點）
        1. 9.15.1 Specifying Time Intervals（時間間隔節點的間隔設定）
        2. 9.15.2 Time Interval Build Options（時間間隔節點的建立設定）
        3. 9.15.3 Estimation Period（時間間隔節點的估計設定）
        4. 9.15.4 Forecasts（時間間隔節點的預測設定）
      16. 9.16 History Node（歷史節點）
        1. 9.16.1 Setting Options for the History Node（歷史節點的選項設定）
      17. 9.17 Field Reorder Node（欄位重序節點）
        1. 9.17.1 Setting Field Reorder Options（欄位重序節點的選項設定）
      18. 9.18 SPSS Transform Node
        1. 9.18.1 Setting Syntax Options（SPSS Transform Node的語法設定）
    10. 10. Building CLEM Expressins（建立CLEM運算式）
      1. 10.1 What Is CLEM？
        1. 10.1.1 Values and Data Types
        2. 10.1.2 Expressions and Conditions
      2. 10.2 The Expression Builder
        1. 10.2.1 Accessing the Expression Builder
        2. 10.2.2 Creating Expressions
        3. 10.2.3 Selecting Functions
        4. 10.2.4 Selecting Fields, Parameters, and Global Variables
        5. 10.2.5 Viewing or Selecting Values
        6. 10.2.6 Checking CLEM Expressions
      3. 10.3 Functions Reference
      4. 10.4 CLEM的常見用法（Common Uses of CLEM）
        1. 10.4.1 Working with Strings
        2. 10.4.2 Handling Blanks and Missing Values
        3. 10.4.3 Working with Numbers
        4. 10.4.4 Working with Times and Dates
    11. 11. Graph Nodes（圖表節點）
      1. 11.1 Overview（簡介）
        1. 11.1.1 Overlay Graphs（重疊圖）
        2. 11.1.2 3-D Graphs（3-D圖）
        3. 11.1.3 Animation（動畫圖）
      2. 11.2 Building Graphs
        1. 11.2.1 Setting Output Options for Graphs
        2. 11.2.2 Setting Appearance Options for Graphs
      3. 11.3 Viewing Graph Output
        1. 11.3.1 Printing, Saving, Copying, and Exporting Graphs
      4. 11.4 Graphboard Node（圖型板節點）
        1. 11.4.1 Setting Options for the Graphborad Node
        2. 11.4.2 Graphboard Detailed Tab
        3. 11.4.3 Using a Graphboard Graph
      5. 11.5 Plot Node（繪圖節點）
        1. 11.5.1 Setting Options for the Plot Node
        2. 11.5.2 Additional Plot Options
        3. 11.5.3 Using a Plot Graph
      6. 11.6 Distribution Node（分配節點）
        1. 11.6.1 Setting Options for the Distribution Node
        2. 11.6.2 Output Options for the Distribution Node
        3. 11.6.3 Using a Distribution Node
      7. 11.7 Histogram Node（直方圖節點）
        1. 11.7.1 Setting Additional Options for the Histogram Node
        2. 11.7.2 Using Histograms and Collections
      8. 11.8 Collection Node（收集節點）
        1. 11.8.1 Setting Additional Options for the Collection Node
        2. 11.8.2 Using a Collection Graph
      9. 11.9 Multiplot Node（多重繪圖節點）
        1. 11.9.1 Setting Options for the Multiplot Node
        2. 11.9.2 使用一個多重繪圖（Using a Multiplot Graph）
      10. 11.10 Web Node（關聯網節點）
        1. 11.10.1 Setting Options for the Web Node
        2. 11.10.2 Setting Additional Options for the Web Node
        3. 11.10.3 Appearance Options for the Web Plot
        4. 11.10.4 Using a Web Graph
      11. 11.11 Evaluation Chart Node（評估節點）
        1. 11.11.1 Setting Options for the Evaluation Chart Node
        2. 11.11.2 Setting Additional Options for Evaluation Charts
        3. 11.11.3 Reading the Results of a Model Evaluation
        4. 11.11.4 Using an Evaluation Chart
      12. 11.12 Time Plot Node（時間繪圖節點）
        1. 11.12.1 Setting Options for the Time Plot Node
        2. 11.12.2 Appearance Options for the Time Plot
        3. 11.12.3 Output Options for the Time Plot
        4. 11.12.4 Using a Time Plot Graph
    12. 12. Modeling Nodes（建模節點）
      1. 12.1 Overview of Modeling Nodes（建模節點簡介）
        1. 12.1.1 Modeling Node Fields Options
      2. 12.2 Binary Classifier Node
        1. 12.2.1 Binary Classifier Node Model Options
        2. 12.2.2 Binary Classifier Node Expert Options
        3. 12.2.3 Binary Classifier Node Discard Options
      3. 12.3 Neural Net Node
        1. 12.3.1 Neural Net Node Model Options
        2. 12.3.2 Neural Net Node Additional Options
        3. 12.3.3 Neural Net Node Expert Options
      4. 12.4 C5.0 Node
        1. 12.4.1 C5.0 Node Model Options
        2. 12.4.2 C5.0 Node Misclassification Costs Options
      5. 12.5 C&R Tree Node
        1. 12.5.1 C&R Tree Node Model Options
        2. 12.5.2 C&R Tree Node Expert Options
        3. 12.5.3 C&R Tree Node Misclassification Costs Options
      6. 12.6 QUEST Node
        1. 12.6.1 QUEST Node Model Options
        2. 12.6.2 QUEST Node Expert Options
        3. 12.6.3 QUEST Node Misclassification Costs Options
      7. 12.7 CHAID Node
        1. 12.7.1 CHAID Node Model Options
        2. 12.7.2 CHAID Node Expert Options
        3. 12.7.3 CHAID Node Misclassification Costs Options
      8. 12.8 Decision List Node
        1. 12.8.1 Decision List Node Model Options
        2. 12.8.2 Decision List Node Expert Options
      9. 12.9 Kohonen Node
        1. 12.9.1 Kohonen Node Model Options
        2. 12.9.2 Kohonen Node Expert Options
      10. 12.10 K-Means Node
        1. 12.10.1 K-Means Node Model Options
        2. 12.10.2 K-Means Node Expert Options
      11. 12.11 TwoStep Cluster Node
        1. 12.11.1 TwoStep Cluster Node Model Options
      12. 12.12 Time Series Node
        1. 12.12.1 Time Series Field Options
        2. 12.12.2 Time Series Model Options
        3. 12.12.3 Time Series Expert Modeler Criteria
        4. 12.12.4 Time Series Exponential Smoothing Criteria
        5. 12.12.5 Time Series ARIMA Criteria
      13. 12.13 Anomaly Detection Node
        1. 12.13.1 Anomaly Detection Node Model Options
        2. 12.13.2 Anomaly Detection Node Expert Options
      14. 12.14 Apriori Node
        1. 12.14.1 Apriori Node Model Options
        2. 12.14.2 Apriori Node Expert Options
      15. 12.15 GRI Node
        1. 12.15.1 GRI Node Model Options
      16. 12.16 CARMA Node
        1. 12.16.1 CARMA Node Fields Options
        2. 12.16.2 CARMA Node Model Options
        3. 12.16.3 CARMA Node Expert Options
      17. 12.17 Sequence Node
        1. 12.17.1 Sequence Node Fields Options
        2. 12.17.2 Sequence Node Model Options
        3. 12.17.3 Sequence Node Expert Options
      18. 12.18 Factor Analysis/PCA Node
        1. 12.18.1 Factor Analysis/PCA Node Model Options
        2. 12.18.2 Factor Analysis/PCA Node Expert Options
      19. 12.19 Feature Selection Node
        1. 12.19.1 Feature Selection Node Model Settings
        2. 12.19.2 Feature Selection Node Options
      20. 12.20 Linear Regression Node
        1. 12.20.1 Linear Regression Node Model Options
        2. 12.20.2 Linear Regression Node Expert Options
      21. 12.21 Logistic Regression Node
        1. 12.21.1 Logistic Regression Node Model Options
        2. 12.21.2 Logistic Regression Node Expert Options
      22. 12.22 Discriminant Node
        1. 12.22.1 Discriminant Node Model Options
        2. 12.22.2 Discriminant Node Expert Options
      23. 12.23 Generalized Linear Models Node
        1. 12.23.1 Generalized Linear Models Node Field Options
        2. 12.23.2 Generalized Linear Models Node Model Options
        3. 12.23.3 Generalized Linear Models Node Expert Options
      24. 12.24 Cox Regression Model Node
        1. 12.24.1 Modeling Node Fields Options
        2. 12.24.2 Cox Node Model Options
        3. 12.24.3 Cox Node Expert Options
        4. 12.24.4 Cox Node Settings Options
      25. 12.25 SVM Node
        1. 12.25.1 SVM Node Model Options
        2. 12.25.2 SVM Node Expert Options
      26. 12.26 SLRM Node
        1. 12.26.1 SLRM Node Fields Options
        2. 12.26.2 SLRM Node Model Options
        3. 12.26.3 SLRM Node Settings Options
      27. 12.27 Bayes Net Node
        1. 12.27.1 Bayes Net Node Model Options
        2. 12.27.2 Bayes Net Node Expert Options
      28. 12.28 Numeric Predictor Node
        1. 12.28.1 Numeric Predictor Model Options
        2. 12.28.2 Numeric Predictor Expert Options
    13. 13. Output Nodes
      1. 13.1 Overview of Output Nodes
      2. 13.2 Managing Output
      3. 13.3 Output Browser Menus
        1. 13.3.1 Publish to Web
      4. 13.4 Output Node Output Tab
      5. 13.5 Table Node
        1. 13.5.1 Table Node Settings Tab
        2. 13.5.2 Table Node Format Tab
        3. 13.5.3 Table Browser
      6. 13.6 Custom Table Node
        1. 13.6.1 Custom table tab
        2. 13.6.2 Test Statistics Tab
        3. 13.6.3 Options Tab
      7. 13.7 Matrix Node
        1. 13.7.1 Matrix Node Settings Tab
        2. 13.7.2 Matrix Node Appearance Tab
        3. 13.7.3 Matrix Node Output Browser
      8. 13.8 Analysis Node
        1. 13.8.1 Analysis Node Analysis Tab
        2. 13.8.2 Analysis Output Browser
      9. 13.9 Data Audit Node
        1. 13.9.1 Data Audit Node Settings Tab
        2. 13.9.2 Data Audit Node Quality Tab
        3. 13.9.3 Data Audit Output Browser
      10. 13.10 Transform Node
        1. 13.10.1 Transform Node Fields Tab
        2. 13.10.2 Transform Node Options Tab
        3. 13.10.3 Transform Node Output Tab
        4. 13.10.4 Transform Node Output Viewer
      11. 13.11 Statistics Node
        1. 13.11.1 Statistics Node Settings Tab
        2. 13.11.2 Statistics Output Browser
      12. 13.12 Means Node
        1. 13.12.1 Means Node Settings Tab
        2. 13.12.2 Means Node Options Tab
        3. 13.12.3 Means Node Output Tab
        4. 13.12.4 Means Node Output Browser
      13. 13.13 Report Node
        1. 13.13.1 Report Node Template Tab
        2. 13.13.2 Report Node Output Browser
      14. 13.14 Set Globals Node
        1. 13.14.1 Set Globals Node Settings Tab
      15. 13.15 SPSS Output Node
        1. 13.15.1 SPSS Output Node Syntax Tab
        2. 13.15.2 SPSS Output Browser
      16. 13.16 Database Output Node
        1. 13.16.1 Database Node Export Tab
      17. 13.17 Flat File Node
        1. 13.17.1 Flat File Export Tab
      18. 13.18 SPSS Export Node
        1. 13.18.1 SPSS Export Node Export Tab
      19. 13.19 Dimensions Node
        1. 13.19.1 Dimensions Export Node
      20. 13.20 SAS Export Node
        1. 13.20.1 SAS Export Node Export Tab
      21. 13.21 Excel Export Node
        1. 13.21.1 Excel Node Export Tab
      22. 13.22 Solution Publisher Node
        1. 13.22.1 Solution Publisher Node Publish Tab
      23. 13.23 SPSS Helper Applications
    14. 14. Generated models
      1. 14.1 Overview of Generated Models
      2. 14.2 The Models Palette
      3. 14.3 Using Generated Models in Streams
      4. 14.4 Browsing Generated Models
      5. 14.5 Generated Binary Classifier Models
      6. 14.6 Generated Neural Network Models
        1. 14.6.1 Neural Network Model Summary
        2. 14.6.2 Generating a Filter Node from a Neural Network
      7. 14.7 Generated C5.0 Models
        1. 14.7.1 Generated Decision Tree Models
        2. 14.7.2 C5.0 Model Summary
        3. 14.7.3 C5.0 Model Details
      8. 14.8 Generated C&R Tree Models
        1. 14.8.1 C&R Tree Model Details
        2. 14.8.2 C&R Tree Model Viewer
        3. 14.8.3 C&R Tree Model Summary
        4. 14.8.4 Generating a Ruleset from a C&R Tree Model
      9. 14.9 Generated QUEST Models
      10. 14.10 Generated CHAID Models
      11. 14.11 Generated Decision List Models
      12. 14.12 Generated Kohonen Models
        1. 14.12.1 Kohonen Model Summary
      13. 14.13 Generated K-Means Models
        1. 14.13.1 K-Means Model Details
        2. 14.13.2 K-Means Model Summary
      14. 14.14 Generated TwoStep Cluster Models
        1. 14.14.1 TwoStep Cluster Model Details
        2. 14.14.2 TwoStep Cluster Model Summary
      15. 14.15 Generated Time Series Models
      16. 14.16 Generated Anomaly Detection Models
      17. 14.17 Generated Apriori Models
      18. 14.18 Generated GRI Models
      19. 14.19 Generated CARMA Models
      20. 14.20 Generated Sequence Rule Models
        1. 14.20.1 Sequence Rule Model Details
        2. 14.20.2 Sequence Rule Model Summary
        3. 14.20.3 Generating a Rule SuperNode from a Sequence Rule Model
      21. 14.21 Generated Factor Analysis/PCA Models
        1. 14.21.1 Factor Analysis/PCA Model Details
        2. 14.21.2 Factor Analysis/PCA Model Summary
        3. 14.21.3 Factor Analysis/PCA Model Advanced
      22. 14.22 Generated Feature Selection Models
      23. 14.23 Generated Logistic Regression Models
        1. 14.23.1 Logistic Regression Model Summary
        2. 14.23.2 Logistic Regression Model Advanced
      24. 14.24 Generated Linear Regression Models
        1. 14.24.1 Linear Regression Model Summary
        2. 14.24.2 Linear Regression Model Advanced
      25. 14.25 Generated Discriminant Models
        1. 14.25.1 Discriminant Model Summary
      26. 14.26 Generated Generalized Linear Models
      27. 14.27 Generated SVM Models
      28. 14.28 Generated SLRM Models
        1. 14.28.1 SLRM Model Details
        2. 14.28.2 SLRM Model Settings
      29. 14.29 Generated Cox Regression Models
        1. 14.29.1 Cox Regression Model Advanced
        2. 14.29.2 Cox Regression Model Summary
      30. 14.30 Generated Bayes Models
        1. 14.30.1 Bayes Net Model Details
        2. 14.30.2 Bayes Net Model Settings
      31. 14.31 Unrefined Models
        1. 14.31.1 Association Rule Model Details
        2. 14.31.2 Association Rule Model Summary
        3. 14.31.3 Generating a Ruleset from an Association Model
      32. 14.32 Ruleset Nodes
        1. 14.32.1 Ruleset Model Tab
        2. 14.32.2 Ruleset Summary Tab
    15. 15. Importing and Exporting Models as PMML
      1. 15.1 To Export a Model
      2. 15.2 To Import a Model Saved as PMML
      3. 15.3 Model Types Supporting PMML
    16. 16. SuperNodes
      1. 16.1 Overview of SuperNodes
      2. 16.2 Types of SuperNodes
        1. 16.2.1 Source SuperNodes
        2. 16.2.2 Process SuperNodes
        3. 16.2.3 Terminal SuperNodes
      3. 16.3 Creating SuperNodes
        1. 16.3.1 Nesting SuperNodes
        2. 16.3.2 Examples of Valid SuperNodes
        3. 16.3.3 Examples of Invalid SuperNodes
      4. 16.4 Editing SuperNodes
        1. 16.4.1 Modifying SuperNode Types
        2. 16.4.2 Annotating and Renaming SuperNodes
        3. 16.4.3 SuperNode Parameters
        4. 16.4.4 SuperNodes and Caching
        5. 16.4.5 SuperNodes and Scripting
      5. 16.5 Saving and Loading SuperNodes
    17. 17. Projects and Reports
      1. 17.1 Introduction to Projects
        1. 17.1.1 CRISP-DM View
        2. 17.1.2 Classes View
      2. 17.2 Building a Project
        1. 17.2.1 Creating a New Project
        2. 17.2.2 Adding to a Project
        3. 17.2.3 Setting Project Properties
        4. 17.2.4 Annotating a Project
        5. 17.2.5 Object Properties
        6. 17.2.6 Closing a Project
      3. 17.3 Generating a Report
        1. 17.3.1 Generating Reports
        2. 17.3.2 Saving and Exporting Generated Reports
    18. 18. Batch Mode Exection
      1. 18.1 Introduction to Batch Mode
      2. 18.2 Working in Batch Mode
        1. 18.2.1 Invoking the Software
        2. 18.2.2 Using Command Line Arguments
        3. 18.2.3 Batch Mode Log Files
        4. 18.2.4 Scripting in Batch Mode
        5. 18.2.5 Using Parameters in Batch Mode
        6. 18.2.6 Working with Output in Batch Mode
    19. 19. Scripting in Clementine
      1. 19.1 Scripting Overview
        1. 19.1.1 Types of Scripts
      2. 19.2 Scripting in the User Interface
        1. 19.2.1 Stream Scripts
        2. 19.2.2 SuperNode Scripts
        3. 19.2.3 Standalone Scripts
      3. 19.3 Scripting in Batch Mode
    20. 20. Clementine External Module Interface
      1. 20.1 Introduction
      2. 20.2 How CEMI Works
      3. 20.3 System Architecture
      4. 20.4 Specification File
        1. 20.4.1 Parameters
        2. 20.4.2 External Program
        3. 20.4.3 Command Line Options
        4. 20.4.4 Editing Dialog Box
        5. 20.4.5 Input and Output Fields
        6. 20.4.6 Input and Output Files
        7. 20.4.7 Metafiles
        8. 20.4.8 Results
        9. 20.4.9 Return Codes
      5. 20.5 Restrictions
      6. 20.6 Example Specification File
        1. 20.6.1 Node Specification
        2. 20.6.2 Core Specification
        3. 20.6.3 Parameters
        4. 20.6.4 Execution
        5. 20.6.5 Options
        6. 20.6.6 Controls
        7. 20.6.7 Output Fields
        8. 20.6.8 Output Data
        9. 20.6.9 Return Codes
        10. 20.6.10 Complete Specification File
      7. 20.7 CEMI Node Management
        1. 20.7.1 Adding a CEMI Node
        2. 20.7.2 Removing a CEMI Node
      8. 20.8 Tips for Writing External Programs
    21. 21. Application Examples
      1. 21.1 Overview
      2. 21.2 Condition Monitoring Example
        1. 21.2.1 Examining the Data
        2. 21.2.2 Data Preparation
        3. 21.2.3 Learning
        4. 21.2.4 Testing
      3. 21.3 Fraud Detection Example
        1. 21.3.1 Accessing the Data
        2. 21.3.2 Data Investigation
        3. 21.3.3 Training a Neural Network
        4. 21.3.4 Summary
      4. 21.4 Retail Example
        1. 21.4.1 Examining the Data
        2. 21.4.2 Learning and Testing
      5. 21.5 Market Basket Analysis Example
        1. 21.5.1 Accessing the Data
        2. 21.5.2 Discovering Affinities in Basket Contents
        3. 21.5.3 Profiling the Customer Groups
        4. 21.5.4 Summary
    22. 22. 資料採礦在電信業行銷策略上之應用
      1. 22.1 緒論
      2. 22.2 文獻探討
      3. 22.3 研究方法
        1. 22.3.1 集群分析（Cluster Analysis）
        2. 22.3.2 判別分析（Discriminant Analysis）
        3. 22.3.3 分類樹
      4. 22.4 實例應用
        1. 22.4.1 研究串流
        2. 22.4.2 資料採礦過程
      5. 22.5 結論與建議
      6. 22.6 參考文獻
    23. 23. 後記
    24. 24. 指令行參數（Command Line Arguments）
      1. 24.1 呼叫本軟體（Invoking the Software）
      2. 24.2 指令行參數（Command Line Arguments）
      3. 24.3 連接伺服器的參數（Server Connection Arguments）
      4. 24.4 系統參數（System Arguments）
      5. 24.5 記錄檔參數（Log File Arguments）
    25. 25. CLEM 語言參考（CLEM Language Reference）
      1. 25.1 CLEM 參考概述（CLEM Reference Overview）
      2. 25.2 CLEM 資料類型（CLEM Datatypes）
        1. 25.2.1 整數型（Integers）
        2. 25.2.5 列表型（Lists）
        3. 25.2.3 字元型（Characters）
        4. 25.2.4 字串型（Strings）
        5. 25.2.6 欄位型（Fields）
        6. 25.2.7 日期型（Dates）
        7. 25.2.8 時間型（Time）
      3. 25.3 運算子優先順序（Operator Precedence）
      4. 25.4 參數（Parameters）
      5. 25.5 函數參考（Functions Reference）
        1. 25.5.1 函數描述符的慣例（Conventions in Function Descriptions）
        2. 25.5.2 資訊函數（Information Functions）
        3. 25.5.3 轉換函數（Conversion Functions）
        4. 25.5.4 比較函數（Comparison Functions）
        5. 25.5.5 邏輯函數（Logical Functions）
        6. 25.5.6 數值函數（Numeric Functions）
        7. 25.5.7 三角函數（Trigonometric Functions）
        8. 25.5.8 位操作（Bitwise Integer Operations）
        9. 25.5.9 隨機函數（Random Functions）
        10. 25.5.10 字串函數（String Functions）
        11. 25.5.11 日期和時間函數（Date and Time Functions）
        12. 25.5.12 序列函數（Sequence Functions）
        13. 25.5.13 全局函數（Global Functions）
        14. 25.5.14 處理空白和無效值的函數（Functions Handling Blanks and Null Values）
        15. 25.5.15 專用欄位（Special Fields）
    26. 26. 編寫程式語言參考（Scripting Language Reference）
      1. 26.1 概述（Overview）
      2. 26.2 編寫程式語法（Scripting Syntax）
        1. 26.2.1 插入備註和續行符（Inserting Comments and Continuations）
        2. 26.2.2 程式檔中指向節點的準則（Guidelines for Referring to Nodes in Scripts）
      3. 26.3 設定屬性和參數（Setting Properties and Parameters）
      4. 26.4 編寫程式中的參數（Parameters in Scripting）
        1. 26.4.1 局部參數（Local Parameters）
        2. 26.4.2 全局參數（Global Parameters）
      5. 26.5 在程式檔中使用CLEM（Using CLEM in Scripts）
      6. 26.6 建立節點和資料流程（Creating Nodes and Streams）
        1. 26.6.1 載入並保存對象（Loading and Saving Objects）
        2. 26.6.2 檢索物件（Retrieving Objects）
        3. 26.6.3 設定當前物件（Setting the Current Object）
        4. 26.6.4 使用特殊變數（Using Special Variables）
        5. 26.6.5 關閉、刪除對象（Closing and Deleting Objects）
      7. 26.7 操作流（Manipulating Streams）
        1. 26.7.1 串流屬性（Stream Properties）
        2. 26.7.2 運行串流（Stream Execution）
        3. 26.7.3 重新指定當前串流（Reassigning the Current Stream）
        4. 26.7.4 關閉資料流程（Closing Streams）
      8. 26.8 節點操作（Node Manipulation）
        1. 26.8.1 編寫程式中的節點名稱（Node Names in Scripting）
        2. 26.8.2 節點名稱參考（Node Names Reference）
        3. 26.8.3 節點操作指令（Node Manipulation Commands）
        4. 26.8.4 連接和斷開節點（Connecting and Disconnecting Nodes）
        5. 26.8.5 節點特有屬性（Node-Specific Properties）
      9. 26.9 操作產生模型面板（Manipulating the Generated Models Palette）
        1. 26.9.1 增加模型（Adding Models）
        2. 26.9.2 刪除模型（Deleting Models）
        3. 26.9.3 導出模型（Exporting Models）
      10. 26.10 操作超級節點（Manipulating SuperNodes）
      11. 26.11 結果操作（Results Manipulation）
      12. 26.12 檔輸出（File Output）
      13. 26.13 退出指令（Exit Commands）
      14. 26.14 程式檔運行控制（Controlling Script Execution）
      15. 26.15 運行和中斷程式檔（Executing and Interrupting Scripts）
    27. 27. 節點及串流屬性（Node and Stream Properties for Scripting）
      1. 27.1 屬性參考概述（Properties Reference Overview）
      2. 27.2 編寫程式屬性語法（Scripting Properties Syntax）
        1. 27.2.1 結構化屬性（Structured Properties）
        2. 27.2.2 縮寫（Abbreviations）
      3. 27.3 節點及串流屬性實例（Node Property Examples）
      4. 27.4 節點屬性（Node Properties）
        1. 27.4.1 公共節點屬性（Common Node Properties）
        2. 27.4.2 資料來源節點（Source Nodes）
        3. 27.4.3 記錄操作節點（Record Operations Nodes）
        4. 27.4.4 欄位操作節點（Field Operations Nodes）
        5. 27.4.5 圖形節點（Graph Nodes）
        6. 27.4.6 建模節點（Modeling Nodes）
        7. 27.4.7 輸出節點（Output Nodes）
      5. 27.5 超級節點屬性（SuperNode Properties）
      6. 27.6 串流屬性（Stream Properties）
    28. 28. CEMI規範檔參考（CEMI Specification File Reference）
      1. 28.1 規範檔概述（Specification File Overview）
      2. 28.2 注意（Notation）
      3. 28.3 節點規範（Node Specification）
        1. 28.3.1 關鍵字NAME和TITLE（NAME and TITLE Keywords）
        2. 28.3.2 類型關鍵字（TYPE Keyword）
        3. 28.3.3 PALETTE關鍵字（PALETTE Keyword）
        4. 28.3.4 HASH_DATA關鍵字（HASH_DATA Keyword）
      4. 28.4 核心規範（Core Specification）
        1. 28.4.1 參數子部分（PARAMETERS Subsection）
        2. 28.4.2 執行子部分（EXECUTE Subsection）
        3. 28.4.3 選項子部分（OPTIONS Subsection）
        4. 28.4.4 控制子部分（CONTROLS Subsection）
        5. 28.4.5 INPUT_FIELDS子部分（INPUT_FIELDS Subsection）
        6. 28.4.6 OUTPUT_PIELDS子部分（OUTPUT_FIELDS Subsection）
        7. 28.4.7 INPUT_DATA and OUTPUT_DATA Subsections
        8. 28.4.8 MAPPING_FILE子部分（MAPPING_FILE Subsection）
        9. 28.4.9 RETURN_CODE子部分（RETURN_CODE Subsection）
        10. 28.4.10 RESULT子部分（RESULTS Subsection）
        11. 28.4.11 MODEL_FILES子部分（MODEL_FILES Subsection）
        12. 28.4.12 模型規範（Model Specification）
    29. 29. Clementine 12.0 理論基礎
      1. 29.1 Automated
        1. 29.1.1 Binary Classifier（二元分類）
        2. 29.1.2 Numeric Predictor (數值預測)
        3. 29.1.3 Time Series（時間序列）
      2. 29.2 Classification
        1. 29.2.1 C&R TREE（分類迴歸樹）
        2. 29.2.2 Quick Unbiased Efficient Statistical Tree （QUEST決策樹模型）
        3. 29.2.3 CHAID
        4. 29.2.4 Decision List
        5. 29.2.5 Regression(迴歸分析)
        6. 29.2.6 PCA/Factor
        7. 29.2.7 Neural Net (類神經網路)
        8. 29.2.8 C5.0
        9. 29.2.9 Feature Selection（特徵選取）
        10. 29.2.10 Discriminant Analysis（區別分析）
        11. 29.2.11 Logistic(羅吉斯)
        12. 29.2.12 Generalize Linear Model(廣義線性模型)
        13. 29.2.13 Cox Regression
        14. 29.2.14 Support Vector Machine (SVM支持向量機)
        15. 29.2.15 Bayes Net
        16. 29.2.16 SLRM（自我學習反應模型）
      3. 29.3 Association
        1. 29.3.1 GRI
        2. 29.3.2 Apriori
        3. 29.3.3 Carma
        4. 29.3.4 Sequence
      4. 29.4 Segmentation
        1. 29.4.1 K-Means Clustering (K組平均集群法)
        2. 29.4.2 Kohonen（自我組織化）
        3. 29.4.3 Two Step(二階段)
        4. 29.4.4 Anomaly(異常檢測)
    30. 30. 參考資料
      1. 30.1 參考網站
      2. 30.2 參考書籍
      3. 30.3 REFERENCES CITED
    31. 31. 索引

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    人工智慧導論

    大數據下多變量應用分析

    大數據常用之編程軟體概述及應用

    Text Mining 文本探勘

    Excel 2013 資料採礦完全手冊

    MORE
    出版社簡介
    元華文創
    出版社作品

    孤拔元帥的艦隊與遠征福爾摩沙

    我們與漂綠的距離

    華夏紋章

    更多出版社作品
    試讀