第3版前言

第2版前言

致谢

关于作者

第1章　引论

第2章　数据处理相关学科：统计学和数据科学

第3章　变量评估的两种基本数据挖掘方法

第4章　用于评估成对变量的基于CHAID的数据挖掘方法

第5章　校直数据的简单性和可取性对建模十分重要

第6章　排序数据对称化：提高数据预测能力的统计数据挖掘方法

第7章　主成分分析：多变量评估的统计数据挖掘方法

第8章　市场份额估算：一个特殊的数据挖掘案例

第9章　相关系数在[-1, 1]内取值，是这样吗

第10章　逻辑斯谛回归：回应建模方法

第11章　无抽样调研数据预测钱包份额

第12章　普通回归：利润建模的强大工具

第13章　回归变量选择方法：可忽略的问题和重要解决方案

第14章　用CHAID解读逻辑斯谛回归模型

第15章　回归系数的重要性

第16章　相关系数均值：评估预测模型和预测变量重要性的统计数据挖掘指标

第17章　交互变量指定CHAID模型

第18章　市场细分：逻辑斯谛回归建模

第19章　市场细分：时间序列数据LCA

第20章　市场细分：理解细分群体的便捷途径

第21章　统计回归模型：理解模型的简单方法

第22章　CHAID：填充缺失值的方法

第23章　大数据建模

第24章　艺术、科学、数字和诗歌

第25章　识别最佳客户：描述性、预测性和相似性描述

第26章　营销模型评估

第27章　十分位分析：视角与效果

第28章　T-C净提升度模型：评估试验组与对照组的营销效果

第29章　自助法在营销中的应用：一种新的模型验证方法

第30章　用自助法验证逻辑斯谛回归模型

第31章　营销模型可视化：用数据深度挖掘模型

第32章　预测贡献系数：预测重要性的度量

第33章　建模是艺术、科学与诗的结合

第34章　献给数据狂的数据分析12步法

第35章　遗传回归模型与统计回归模型

第36章　数据重用：GenIQ模型的强大数据挖掘技术

第37章　数据挖掘技术——离群值的调整

第38章　过拟合的全新解决方案

第39章　回顾：为何校直数据如此重要

第40章　GenIQ模型的定义与应用

第41章　如何为营销模型选择最佳变量

第42章　解读无系数模型

第43章　文本挖掘：入门、示例及TXTDM软件

第44章　一些我比较喜欢的统计子程序

译后记 2100433B