傅一航:大数据挖掘语言：用SAS来实现数据挖掘技术实战培训

讲师资历

课程目标

掌握SAS语言，掌握数据挖掘

课程大纲

第一部分：SAS基础 1、SAS简介和构成 2、SAS的主要模块和功能 3、SAS的四种运行模式 Ø  窗口环境模式 Ø  非交互模式 Ø  交互式运行模式 Ø  批处理模式 4、掌握SAS的基本数据结构和数据对象 Ø  逻辑库、逻辑引擎、数据集、数据文件、视图 5、SAS基本程序结构 Ø  数据步（DATA STEP） Ø  过程步（PROC STEP） 6、SAS基本语言介绍 7、数据集的操作 Ø  从文本文件获取 Ø  从外部数据库获取 Ø  数据集导出到外部文件 Ø  读取、浏览、编辑数据集 Ø  创建、编辑、修改、删除 8、对多个数据集的操作 Ø  横向合并 Ø  纵向串接 9、SAS SQL语言 10、    SAS宏语言 案例：演练SAS编程语句 第二部分：数据可视化处理 1、数据报表输出 Ø  基本报表 Ø  高级报表 2、统计图形 Ø  GCHART过程 Ø  GPLOT过程 Ø  CAPABILITY过程 3、各种图形的画法 Ø  柱状图/条形图 Ø  饼图 Ø  折线图 Ø  散点图/气泡图 4、绘图的美化技巧 案例：用SAS作图来实现产品销量分析 第三部分：数据统计分析 1、描述性统计分析 Ø  集中程序 Ø  离散程序 Ø  分布形态 2、参数估计与假设检验 Ø  单样本均值T检验 Ø  独立两样本均值T检验 Ø  配对两样本均值T检验 3、非参数检验文件操作处理 Ø  单样本 Ø  独立两样本 Ø  配对两样本 4、影响因素分析 Ø  相关分析：原理、公式、应用 Ø  方差分析：原理、公式、应用 Ø  卡方分析：原理、公式、应用 Ø  主成分分析/因子分析：降维 案例：掌握常用的过程对数据进行分析 第四部分：数据挖掘基础 1、数据挖掘概述 2、数据挖掘的标准流程（CRISP-DM） Ø  商业理解 Ø  数据准备 Ø  数据理解 Ø  模型建立 Ø  模型评估 Ø  模型应用 3、数据挖掘常用任务与算法 第五部分：聚类分析（客户细分）实战 1、客户细分常用方法 2、聚类分析（Clustering） Ø  聚类方法原理介绍及适用场景 Ø  常用聚类分析算法 Ø  聚类算法的评价 案例：使用FASTCLUS实现K均值聚类 案例：使用CLUSTER实现层次聚类法 3、判别分析 Ø  判别分析法原理 Ø  判别分析常见方法：距离判别、Bayes判别、Fisher判别 案例：使用DISCRIM、CANDISC、STEPDISC实现判别分析 4、RFM模型分析 Ø  RFM模型，更深入了解你的客户价值 Ø  RFM模型与市场策略 案例：航空公司客户价值分析 第六部分：数值预测模型实战 1、常用数值预测的模型 Ø  通用预测模型：回归模型 Ø  季节性预测模型：相加、相乘模型 Ø  新产品预测模型：珀尔曲线与龚铂兹曲线 2、回归分析概念 3、常见回归分析类别 4、回归分析检验 Ø  模型的显著性检验 Ø  回归系数的显著性检验 Ø  残差检验 Ø  拟合程度 Ø  共线性诊断 案例：回归分析 第七部分：分类预测模型实战 1、常见分类预测的模型与算法 2、如何评估分类预测模型的质量 Ø  查准率 Ø  查全率 Ø  ROC曲线 3、逻辑回归分析模型 Ø  逻辑回归的原理 Ø  逻辑回归建模的步骤 Ø  逻辑回归结果解读 4、时间序列分析 案例：用LOGISTIC过程实现银行贷款违约预测 第八部分：SAS优化建模 1、优化模型的基本概念 2、优化建模的步骤 3、线性规划问题 案例：使用OPTMODEL建立线性规划模型 第九部分：SAS智能平台构建及行业解决方案 1、构建SAS解决方案平台 2、平台的体系架构设计 3、实现SAS应用服务器集群 4、平台的安全管理 第十部分：辅导 结束：课程总结与问题答疑。