تحليل التكرارات في دراسة البيانات الاسمية في SPSS من أجل تطبيق استخدام تحليل التكرارات لدراسة البيانات الاسمية في برنامج SPSS، نفرض أنك تُدير فريقًا يبيع أجهزة الكمبيوتر لشركات تطوير البرمجيات. في كل شركة، ممثلوك لديهم جهة اتصال أساسية. لقد صنفت جهات الاتصال هذه عن طريق قسم الشركة التي يعملون فيها (التطوير أو خدمات الكمبيوتر أو […]
استخدام تحليل التكرارات في دراسة البيانات الاسمية Read More »
يتم التعامل مع القيم المفقودة لمتغيرات السلسلة أو String في SPSS بشكل مشابه للقيم المفقودة للمتغيرات الرقمية Numeric. ومع ذلك، على عكس المتغيرات الرقمية، لا يتم تعيين الحقول الفارغة في متغيرات السلسلة على أنها مفقودة من النظام System–Missing. بدلا من ذلك، يتم تفسيرها على أنها سلسلة فارغة أو Empty String. خطوات تحديد القيم المفقودة لمتغيرات
مفهوم تشابه واختلاف البيانات في معظم تقنيات تحليل وتنقيب البيانات، مثل خوارزمية التحليل العنقودي وخوارزمية الجار الأقرب، تظهر الحاجة إلى قياس تشابه واختلاف البيانات من أجل تقييم مدى التشابه والاختلاف فيما بين البيانات. مثلا قد يحتاج أحد المراكز التجارية إلى تجزئة زبائنه إلى مجموعات ذات خصائص مميزة، كأن يقوم بتجميع الزبائن المتشابهين في الدخل أو
ملخص المحتوى شرح مفهوم السمة أو المتغير وشرح وتوضيح أنواع البيانات وخصائص وسمات البيانات وتقسيمها من حيث السمات المميزة في مجالات علوم الكمبيوتر وتنقيب البيانات. شرح البيانات الاسمية والمنطقية والرتبية، والبيانات الكمية الرقمية بنوعيها الفتري والنسبي، والبيانات المنفصلة والمتصلة. تبسيط مفهوم الأنواع المختلفة للبيانات والمتغيرات والفرق بينها والحاجة لهذه التقسيمات واستخداماتها المختلفة. السمة أو المتغير