看介绍就吸引人！下回去好好研究。谢谢分享

<P>该书是：</P>
<P>Data Mining Cookbook－Modeling Data for Marketing, Risk, and Customer Relationship Management</P>
<P>by Olivia Parr Rud</P>
<P>该书是一本用SAS来实现数据挖掘的好书，可惜是没有配套的数据文件和程序。</P>
<P>谢谢楼主分享，给予200现金奖励</P>

斑竹说好就敢买

<P>谢谢斑竹支持。</P>
<P>同时斑竹说的对，这本书的数据集一直没有下载。</P>
<P>关于数据问题，我的建议是，大家如果有任何数据库文件，最好是transational Data，基本整合一下。（最好超过100000条数据）50000作training,50000作validation，根据书中变量稍微转换一下，自己模拟一个数据集，指定一个predict Variable(0/1)，模拟其中提出的问题和解决方案。</P>
<P>比如说就可以根据文中提出的数据结构修改一下，以适应逻辑回归模型的建立。比如说他有一段</P>
<P>title2 "Modeling Activiate"; <BR>proc logistic data=acqod.model2 descending; <BR>weight smp_wgt; <BR>model activate = inc_est3 inc_miss infd_ag2 hom_equ2 tot_acc2 actopl62<BR>tot_bal2 inql6m2 age_fil2 totopac2 credlin2 crl_rat bal_rat no30day2 <BR>nobkrpt amtpdue no90eve /selection= s<FONT color=#f76809>tepwise</FONT> maxstep=1 details; <BR>run;</P>
<P>大家可以在自己的数据集里面设定一个predict variable 替换 active, 同时用其他的变量替换（inc_est3 inc_miss infd_ag2 hom_equ2 tot_acc2 actopl62<BR>tot_bal2 inql6m2 age_fil2 totopac2 credlin2 crl_rat bal_rat no30day2 <BR>nobkrpt amtpdue no90eve )</P>
<P>虽然结果不同，但是关键在于过程，熟悉模型的分析制作步骤。</P>

这本书有中文版的,可以在市场上买到,中文名字好象叫&lt;&lt;数据挖掘实践&gt;&gt;