در این مطلب، ویدئو نسخه ی نمایشی IBM SPSS DecisionTrees با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:13:57
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
به وبینار نحوه
2
02 =>04
شناسایی گروه ها و پیش بینی نتایج
3
04 =>09
با درختان تصمیم IBM SPSS خوش آمدید
4
09 =>11
ریسک تصمیم گیری IBM SPSS ماژول دیگری است
5
11 =>14
که به کشف روابط
6
14 =>16
بین متغیرها کمک می کند و برای گروه اندیشی
7
16 =>19
افراد با هم از
8
19 =>22
پروفایل تقسیم بندی استفاده می کند و پیش بینی
9
22 =>25
این عبارات را می توان به شرح زیر توضیح داد.
10
25 =>28
فرآیند گروهبندی
11
28 =>30
افراد بر اساس
12
30 =>33
ویژگیهای آنها است. نمایهسازی، ثبت
13
33 =>36
ویژگیهای مشترک افراد و
14
36 =>38
پیشبینی، تخمین رویداد آینده
15
38 =>43
بر اساس اطلاعات تاریخی است.
16
43 =>46
17
46 =>48
18
48 =>51
19
51 =>53
پاسخ امروز این است که آیا مشتری
20
53 =>56
در یک شرکت ماند یا خیر و کدام
21
56 =>58
عوامل کلیدی بر تصمیم او تأثیر گذاشته اند.
22
58 =>01:01
23
01:01 =>01:06
24
01:06 =>01:08
25
01:08 =>01:11
26
01:11 =>01:14
اگر ما چا را تعیین کنیم چه کسی تبدیل شد
27
01:14 =>01:16
ویژگی های ترنر، سپس می توانیم
28
01:16 =>01:20
استراتژی های حفظ
29
01:20 =>01:22
خود را برای گروه یا بخش خاصی از
30
01:22 =>01:26
مشتریان خود سفارشی کنیم، اکنون می توانیم به
31
01:26 =>01:28
نشان دادن نحوه شناسایی
32
01:28 =>01:32
گروه ها و پیش بینی نتایج با
33
01:32 =>01:36
درخت های تصمیم IBM SPSS ادامه دهیم.
34
01:36 =>01:39
یک
35
01:39 =>01:41
مشتری و ستون آن نشان دهنده یک
36
01:41 =>01:44
متغیر اطلاعاتی است که مجموعه داده
37
01:44 =>01:46
حاوی برخی اطلاعات جمعیت شناختی
38
01:46 =>01:51
مانند درآمد و تحصیلات ایدز است و
39
01:51 =>01:53
ما برخی از این مدل را از mysen داریم
40
01:53 =>01:55
مانند تعداد سال هایی که آنها
41
01:55 =>01:57
مشتری شرکت بوده اند
42
01:57 =>02:00
تعداد محصولات آنها خرید کردهاند و
43
02:00 =>02:04
آیا آنها متعلق به ترنر هستند یا نه، ما میتوانیم
44
02:04 =>02:06
توقفهای متقاطع زیادی را انجام دهیم تا بررسی کنیم که آیا
45
02:06 =>02:08
بین
46
02:08 =>02:10
جفتهای مختلف دستهبندی
47
02:10 =>02:13
متغیرهای ما رابطه وجود دارد یا خیر، اما
48
02:13 =>02:15
نمیتوانیم ببینیم که چگونه متغیرها
49
02:15 =>02:18
در مجموع با یکدیگر تعامل دارند.
50
02:18 =>02:20
به این منظور میتوانیم از درختهای فصل
51
02:20 =>02:28
استفاده کنیم
52
02:29 =>02:32
53
02:32 =>02:35
کاری که میخواهیم انجام دهیم این است که مشخصات
54
02:35 =>02:38
مشتریان را بر اساس اینکه آیا ایالت
55
02:38 =>02:41
با یک شرکت است یا نه،
56
02:41 =>02:44
متغیر وابسته ما را تشکیل میدهد
57
02:44 =>02:46
و درخت تصمیمگیری، سپس
58
02:46 =>02:49
قادر خواهیم بود بفهمیم که کدام
59
02:49 =>02:51
متغیرهای مستقل بر ماندن مشتری در شرکت تأثیر میگذارند.
60
02:51 =>02:55
یا نه در
61
02:55 =>02:57
آن صورت ما حفظ مشتری را در
62
02:57