数据挖掘技术具有广阔的应用领域和发展前景，众多有识之士纷纷选择SPSS Modeler作为数据挖掘的工具软件，因此SPSS Modeler软件已经连续多年雄踞数据挖掘应用软件之首。

Modeler的前身名为Clementine，2009年IBM公司收购了SPSS数据分析软件公司，并将其广受赞誉的SPSS统计分析软件和Clementine数据挖掘软件进行整合，将Clementine更名为

SPSS Modeler(简称Modeler)后再次推向全球市场。

Modeler充分利用计算机系统的运算处理能力和图形展现能力，将方法、应用与工具有机地融为一体，是解决数据挖掘问题的最理想工具。

Modeler不但集成了诸多计算机科学中机器学习的算法，同时也综合了一些行之有效的统计分析方法，成为内容最为、功能最为强大、使用最为方便的数据挖掘软件产品。

Modeler继续保持了SPSS产品的一贯风格：界面友好且操作简捷。原因在于Modeler始终把自己的操作者定位于实际工作部门的一线人员，而不是数据分析专家。这种所谓"傻瓜型"软件成为Modeler不断开拓市场的利器。

本书作者一直从事计算机数据分析的教学与科研工作，并长期跟踪研究SPSS公司的数据分析系列产品，具有相当丰富的数据分析软件开发经验。因此深知，一个基础相对薄弱的读者应该从哪些方面入手，才能很快地使用Modeler开始数据分析工作，并逐步成长为一名有经验的多面手。

我们认为读者掌握Modeler软件应体现三个层面：首先是软件操作层面，读者通过实际操作，尽快掌握软件的使用方法和处理步骤；其次是结果分析层面，读者通过案例演示，基本明白软件的输出结果，从而得出正确的分析结论；是方法论层面，读者通过对某个算法基本思路的了解，进一步提高方法应用和分析水平，升华对数据挖掘方法的认识。所以，注重对每种方法的操作使用、结果分析和算法基本思路的讲解是本书最重要的特征。

本书适用于从事数据分析的各应用领域的读者，尤其是商业销售、财会金融、证券保险、经济管理、社会研究、人文教育等行业的相关人员。同时，也能够作为高等院校计算机类、财经类、管理类专业本科生和研究生的数据挖掘教材。

针对上述读者群，在全书的编写中我们努力体现以下特色：

1.以数据挖掘过程为线索介绍Modeler

目前，具备基本的计算机操作能力已经不是读者的主要障碍，数据挖掘的过程与方法才是读者关心的主题和应用的难点。所以，本书以数据挖掘的实践过程为主线，从Modeler数据管理入手，说明问题从浅至深，讲解方法从易到难。这样，能使读者在较短时间内掌握Modeler的基本功能和一般方法，并可迅速运用到实际工作中去。

2.将数据挖掘方法、软件操作、案例分析有机结合

目前，经过消化的中文图书和资料相对短缺，Modeler相关图书一般都比较侧重对其英文手册的翻译介绍，侧重于对计算机操作过程的描述。而对数据挖掘方法则较多地罗列数学公式，输出结果也缺少恰当的解释。本书则结合实际案例，侧重数据挖掘方法核心思想和基本原理的阐述，以使读者直观理解方法，正确掌握方法的应用范围。

3. 数据挖掘方法讲解，语言通俗

本书对Modeler的数据挖掘算法进行了的分析和应用，内容力求丰富翔实。同时使用通俗的语言和示例讲述算法，尽量避免使用公式和推导堆砌算法。

请读者到人大经管图书在线(wwwrdjgcomcn)下载本书案例数据和数据流文件。数据流文件需使用Modeler 14.2以上版本打开，执行时只需修改数据源节点中的数据文件所在目录项，即可正确执行流文件。

在此特别感谢中国人民大学出版社对本书出版的大力支持和各位编辑热情细致的工作。由于水平所限，书中难免出现问题和错误，敬请各位读者批评指正。

……