傅一航:大数据挖掘工具:SPSS Modeler入门与提高

傅一航:大数据挖掘工具:SPSS Modeler入门与提高

价格:联系客服报价

授课讲师:傅一航

讲师资历

培训时长 0
授课对象 业务支撑、信息技术部、IT系统部、数据分析部等对数据挖掘有较高要求的相关专业人员。
授课方式 内训

课程目标

掌握大数据挖掘项目,探索数据,数据预处理,数据建模

课程大纲

IBM SPPS Modeler是一个数据流处理工具,适用于数据探索与数据挖掘,包括数据预处理、数据探索、数据可视化、数据建模、数据模型优化。 第一部分:数据挖掘基础知识(基础,决定你的高度) 1、数据挖掘工具简介 Ø  EXCEL规划求解(数据建模工具) Ø  SAS统计分析系统 Ø  SPSS统计产品与服务解决方案 2、数据挖掘概述 案例:宜家IKE如何通过数据挖掘来降低营销成本提升利润? 3、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 案例:通信客户流失分析及预警模型 4、数据建模示例 案例:客户匹配度建模—找到你的准客户 第二部分:数据理解与数据准备(Modeler实操) 1、数据挖掘处理的一般过程 Ø  数据源-->数据理解-->数据准备-->探索分析-->数据建模-->模型评估 2、数据读入 Ø  读入文本文件 Ø  读入Excel电子表格 Ø  读入SPSS格式文件 Ø  读入数据库数据 3、数据集成 Ø  变量合并(增加变量) Ø  数据追加(添加记录) 4、数据理解 Ø  取值范围限定 Ø  重复数据处理 Ø  缺失值处理 Ø  无效值处理 Ø  离群点和极端值的修正 Ø  数据质量评估 5、数据准备:数据处理 Ø  数据筛选:数据抽样/选择(减少样本数量) Ø  数据精简:数据分段/离散化(减少变量的取值) Ø  数据平衡:正反样本比例均衡 Ø  其它:排序、分类汇总 6、数据准备:变量处理 Ø  变量变换:原变量值更新 Ø  变量派生:生成新的变量 Ø  变量精简:降维,减少变量个数 7、基本分析 Ø  单变量:数据基本描述分析 Ø  双变量:相关性分析 Ø  变量精简:特征选择、因子分析 8、特征选择 Ø  特征选择方法:选择重要变量,剔除不重要的变量 Ø  从变量本身考虑 Ø  从输入变量与目标变量的相关性考虑 9、因子分析(主成分分析) Ø  因子分析的原理 Ø  因子个数如何选择 Ø  如何解读因子含义 案例:提取影响电信客户流失的主成分分析 第三部分:因素影响分析(特征重要性分析) 问题:如何判断一个因素对另一个因素有影响? 比如营销费用是否会影响销售额?产品价格是否会影响销量?产品的陈列位置是否会影响销量? 1、常用特征重要性分析的方法 Ø  特征选择(减少变量个数):相关分析、方差分析、卡方检验 Ø  因子分析(减少变量个数):主成分分析 Ø  确定变量个数参考表 2、相关分析(数值+数值,相关程度计算) 问题:这两个属性是否会相互影响?影响程度大吗? Ø  相关分析概述 Ø  相关系数计算公式 Ø  相关性假设检验 案例:通信基本费用与开通月数的相关分析 3、方差分析(分类+数值,影响因素分析) 问题:哪些才是影响销量的关键因素? Ø  方差分析原理 Ø  方差分析的步骤 Ø  方差分析适用场景 案例:开通月数对客户流失的影响分析 4、列联分析(分类+分类,影响因素分析) Ø  列联表的原理 Ø  卡方检验的步骤 Ø  列联表分析的适用场景 案例:套餐类型对对客户流失的影响分析 第四部分:分类预测模型分析 1、分类概述 Ø  分类的基本过程 Ø  常见分类预测模型 2、逻辑回归分析模型 问题:如果评估用户是否购买产品的概率? Ø  逻辑回归分析 Ø  逻辑回归的原理 案例:客户购买预测分析(二元逻辑回归) 3、决策树分类 问题:如何提取客户流失者、拖欠货款者的特征?如何预测其流失的概率? Ø  决策树分类的原理 Ø  决策树的三个关键问题 Ø  决策树算法 Ø  如何评估分类模型的性能(查准率、查全率) 案例:识别银行欠货风险,提取欠货者的特征 案例:客户流失预警与客户挽留模型 4、神经网络 Ø  神经网络概述 Ø  神经元工作原理 Ø  神经网络的建立步骤 Ø  B-P反向传播网络(MLP) Ø  径向基函数网络(RBF) 5、支持向量机 Ø  SVM基本原理 Ø  维灾难与核函数 6、朴素贝叶斯分类 Ø  条件概率 Ø  朴素贝叶斯 Ø  TAN贝叶斯网络 Ø  马尔科夫毯网络 第五部分:市场细分与客户细分 1、客户细分常用方法 2、聚类分析(Clustering) 问题:如何对市场进行细分?如何提取客户特征,从而对产品进行市场定位? Ø  聚类方法原理介绍 Ø  聚类方法适用场景 Ø  如何细分客户群,并提取出客户群的特征? Ø  K均值聚类(快速聚类) Ø  两步聚类 案例:移动三大品牌细分市场合适吗? 演练:宝洁公司如何选择新产品试销区域? 3、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 Ø  RFM模型与活跃度 案例:淘宝客户价值评估与促销名单 第六部分:其他市场营销分析方法 1、关联分析(Association) 问题:购买面包的人是否也会购买牛奶?他们同时购买哪些产品? Ø  关联规则原理介绍 Ø  关联规则适用场景:交叉销售、捆绑营销、产品布局 案例:超市商品交叉销售与布局优化(关联分析) 结束:课程总结与问题答疑。