北京赛车PK10登陆

4006-296-278
傅一航
汇师认证讲师
暂无评价

计算机软件与理论硕士研究生

本站已经通过实名认证,所有内容均由傅一航本人或助理发表

傅一航培训课程

您的位置:傅一航 > 傅一航培训课程 > 课程详情

大数据建模应用实战

大数据建模应用实战
课程时长: 3 天
适合学员:
适合行业:不限行业
关注度: 43

课程大纲

课程目标】

本课程专注于大数据建模课程,面向数据分析部等专门负责数据分析与建模的人士。主要内容包括数据建模的过程和步骤,以及建模涉及到的分析方法、分析模型,以及模型优化等。

 

本课程实际的业务需求出发,对数据分析数据挖掘技术进行了全面的介绍通过大量的操作演练,帮助学员掌握数据分析和数据挖掘的思路、方法、工具,从大量的企业经营数据进行分析,发现业务运作规律,进行客户洞察,挖掘客户行为特点,消费行为,实现精准营销,帮助运营团队深入理解业务运作以达到提升学员的数据综合分析能力,支撑运营决策的目的。

 

通过本课程的学习,达到如下目的:

1、 掌握数据建模的基本过程和步骤。

2、 掌握数据建模前的属性筛选的系统方法,为建模打下基础。

3、 掌握常用的数值预测模型,包括回归预测和时序预测,以及其适用场景。

4、 掌握常用的分类预测模型,包括逻辑回归、决策树、神经网络、判别分析等等,以及分类模型的优化。

5、 掌握数据挖掘常用的专题模型。

 

【授课时间】

2-3时间(每天6个小时)

【授课对象】

业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。

 

【学员要求】

1、 每个学员自备一台便携机(必须)

2、 便携机中事先安装好Office Excel 2013版本及以上。

3、 便携机中事先安装好IBM SPSS Statistics v24版本以上软件。

注:讲师可以提供试用版本软件及分析数据源。

 

【授课方式】

基础知识 + 案例演练 + 实际业务问题分析 + SPSS实际操作

 

本课程突出数据挖掘的实际应用,结合行业的典型应用特点,从实际问题入手,引出相关知识,进行大数据的收集与处理;探索数据之间的规律及关联性,帮助学员掌握系统的数据预处理方法;介绍常用的模型,训练模型,并优化模型,以达到最优分析结果。

课程大纲】

第一部分: 数据建模基本过程

1、 预测建模六步法

选择模型:基于业务选择恰当的数据模型

属性筛选:选择对目标变量有显著影响的属性来建模

训练模型:采用合适的算法对模型进行训练,寻找到最合适的模型参数

评估模型:进行评估模型的质量,判断模型是否可用

优化模型:如果评估结果不理想,则需要对模型进行优化

应用模型:如果评估结果满足要求,则可应用模型于业务场景

2、 数据挖掘常用的模型

数值预测模型:回归预测、时序预测等

分类预测模型:逻辑回归、决策树、神经网络、支持向量机等

市场细分:聚类、RFM、PCA等

产品推荐:关联分析、协同过滤等

产品优化:回归、随机效用等

产品定价:定价策略/最优定价等

3、 属性筛选/特征选择/变量降维

基于变量本身特征

基于相关性判断

因子合并(PCA等)

IV值筛选(评分卡使用)

基于信息增益判断(决策树使用)

4、 模型评估

模型质量评估指标:R^2、正确率/查全率/查准率/特异性等

预测值评估指标:MAD、MSE/RMSE、MAPE、概率等

模型评估方法:留出法、K拆交叉验证、自助法等

其它评估:过拟合评估

5、 模型优化

优化模型:选择新模型/修改模型

优化数据:新增显著自变量

优化公式:采用新的计算公式

6、 模型实现算法(暂略)

7、 好模型是优化出来的

案例通信客户流失分析及预警模型

 

第二部分: 属性筛选方法

问题:如何选择合适的属性来进行建模预测?

比如:价格是否可用于产品销量的预测?套餐的合理性是否会影响客户流失?在欺诈风险中有哪些数据会有异常表现?

 

1、 属性筛选/变量降维的常用方法

基于变量本身特征来选择属性

基于数据间的相关性来选择属性

基于因子合并(如PCA分析)实现变量的合并

利用IV值筛选

基于信息增益来选择属性

2、 相关分析(衡量变量间的线性相关性)

问题:这两个属性是否会相互影响?影响程度大吗?

相关分析简介

相关分析的三个种类

简单相关分析

偏相关分析

距离相关分析

相关系数的三种计算公式

Pearson相关系数

Spearman相关系数

Kendall相关系数

相关分析的假设检验

相关分析的四个基本步骤

演练:体重与腰围的关系

演练:营销费用会影响销售额吗

演练:哪些因素与汽车销量有相关性

演练通信费用与开通月数的相关分析

偏相关分析

偏相关原理:排除不可控因素后的两变量的相关性

偏相关系数的计算公式

偏相关分析的适用场景

距离相关分析

3、 方差分析(衡量类别变量与数据变量的相关性)

问题:哪些才是影响销量的关键因素?

方差分析的应用场景

方差分析的三个种类

单因素方差分析

多因素方差分析

协方差分析

方差分析的原理

方差分析的四个步骤

解读方差分析结果的两个要点

演练终端摆放位置与终端销量有关吗

演练:开通月数客户流失的影响分析

演练:客户学历对消费水平的影响分析

演练广告和价格是影响终端销量的关键因素吗

演练营业员的性别、技能级别对产品销量有影响吗

演练:寻找影响产品销量的关键因素

多因素方差分析原理

多因素方差分析的作用

多因素方差结果的解读

演练:广告形式、地区对销量的影响因素分析(多因素)

协方差分析原理

协方差分析的适用场景

演练:饲料对生猪体重的影响分析(协方差分析)

4、 列联分析/卡方检验(两类别变量的相关性分析)

交叉表与列联表

卡方检验的原理

卡方检验的几个计算公式

列联表分析的适用场景

案例:套餐类型对客户流失的影响分析

案例:学历对业务套餐偏好的影响分析

案例:行业/规模对风控的影响分析

5、 相关性分析各种方法的适用场景

6、 主成份分析(PCA)

因子分析的原理

因子个数如何选择

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: 回归预测模型

问题:如何预测产品的销量/销售金额?如果产品跟随季节性变动,该如何预测?新产品上市,如果评估销量上限及销售增速?

1、 常用的数值预测模型

回归预测

时序预测

2、 回归预测/回归分析

问题:如何预测未来的销售量(定量分析)?

回归分析的基本原理和应用场景

回归分析的种类(一元/多元、线性/曲线)

得到回归方程的四种常用方法

Excel函数

散点图+趋势线

线性回归工具

规范求解

线性回归分析的五个步骤

回归方程结果的解读要点

评估回归模型质量的常用指标

评估预测值的准确度的常用指标

演练:散点图找推广费用与销售额的关系(一元线性回归)

演练推广费用、办公费用与销售额的关系(多元线性回归)

演练让你的营销费用预算更准确

演练:如何选择最佳的回归预测模型(曲线回归)

带分类变量的回归预测

演练:汽车季度销量预测

演练工龄、性别与终端销量的关系

演练:如何评估销售目标与资源配置(营业厅)

3、 自动筛选不显著自变量

 

第四部分: 回归预测模型优化篇

1、 回归分析的基本原理

三个基本概念:总变差、回归变差、剩余变差

方程的显著性检验:是否可以做回归分析?

因素的显著性检验:自变量是否可用?

拟合优度检验:回归模型的质量评估?

理解标准误差的含义:预测的准确性?

2、 回归模型优化思路:寻找最佳回归拟合线

如何处理预测离群值(剔除离群值)

如何剔除非显著因素(剔除不显著因素

如何进行非线性关系检验(增加非线性自变量)

如何进行相互作用检验(增加相互作用自变量)

如何进行多重共线性检验(剔除共线性自变量)

如何检验误差项(修改因变量)

如何判断模型过拟合(模型过拟合判断)

案例:模型优化案例

3、 规划求解工具简介

4、 自定义回归模型(如何利用规划求解进行自定义模型)

案例:如何对餐厅客流量进行建模及模型优化

5、 好模型都是优化出来的

第五部分: 时序预测模型

问题:无法找到影响因素,无法回归建模,怎么办?随着业务受季节性因素影响,未来的销量如何预测?

1、 时序序列简介

2、 时序分析的原理及应用场景

3、 常见时序预测模型

1、 评估预测值的准确度指标

平均绝对误差MAD

均方差MSE/RMSE

平均误差率MAPE

4、 移动平均

应用场景及原理

移动平均种类

一次移动平均

二次移动平均

<span style=&q

版权声明:本网站服务于企业培训师及各培训机构,为北京赛车PK10登陆所经营并享有版权,部分作品由网友自主投稿、编辑、上传,对此类作品本站仅提供交流平台,如果您发现网站上有侵犯著作权的作品,请提供身份证明、著作权权属证明、侵权情况证明与本网站法务部李晓兵联系,我们会在核实后及时删除。
查看更多>>

傅一航简介

傅一航

傅一航

计算机软件与理论硕士研究生

讲师手机:15810357436

只接受预约讲师授课电话咨询!

北京赛车PK10登陆微信公众号