SPSS Modeler數據建模與挖掘培訓

對于很多分析人員來說，缺乏建模的理念會導致分析的低效甚至無效。本課程希望在短短的2天之內，讓學員系統的學習建模方法和實施方式，以提升以下能力：
1.學會建模的概念和建模的全過程
2.學習各種算法的原理和應用場景，提升數據分析的科學性
3.學會將建模的結果與業務實施部署結合起來，以分析提升績效

一、概述

1.SPSS Modeler簡介
2.Modeler的CRISP實現
3.Modeler的開發界面簡介
案例：一個完整的數據挖掘項目全過程。

二、數據導入和數據類型設置
1.數據源類型
2.字段的測量和角色
3.Type節點描述

三、數據審核和數據清洗
有問題的數據將帶來有問題的結果，因此在分析之前應該對數據進行質量的審核。

1.數據審核的目的
2.定性變量和定量變量的不同審核方法
3.數據審核的步驟
a)極端值和缺失值的發現
b)數據分布特征
4.數據清洗
a)缺失值處理策略
b)極端值處理策略
c)保持數據的一致性
5.數據處理節點
a)重新分類
b)分箱
c)過濾


四、建模工具簡介
1.Modeler模型總體介紹
2.各算法的適用場景介紹


五、關聯規則
關聯規則的主要應用在客戶行為規律的發現上，典型的應用是購物籃分析，分析客戶的購物習慣以提升交叉銷售的業績。

1.關聯規則的原理及應用
2.關聯規則的分類
a)Apriori
b)序列

六、分類算法
分類算法的用途很多，以數據庫營銷的概念為例：傳統針對所有客戶的群體推送帶來成本過高，效率偏低的問題。分類算法的優點在于通過精準的客戶定位，提升內容推送的精準度，減少對客戶的騷擾，降低成本，縮短時間，提升企業利潤。

1.概述
2.不同的決策樹算法
a)CHAID
b)C&R樹
c)Quest
d)C5.0
3.Logistic回歸
4.神經網絡
5.SVM
6.貝葉斯網絡
7.綜合案例