Python数据建模(分类篇)

Python数据建模（分类模型篇）【课程目标】
本课程主要讲解如何利用Python进行分类数据建模。
通过本课程的学习，达到如下目的：
掌握数据建模的标准流程。
掌握各种分类预测模型的原理，以及算法实现。
掌握各种分类模型类的重要参数，以及应用。
掌握模型的评估指标、评估方法，以及过拟合评估。
掌握模型优化的基本方法，学会超参优化。
掌握集成优化思想，掌握高级的分类模型。
【授课时间】
2-5天时间
（要根据学员的实际情况调整重点内容及时间）
【授课对象】
业务支持部、IT系统部、大数据系统开发部、大数据分析中心、网络运维部等相关技术人员。
【学员要求】
每个学员自备一台便携机(必须)。
便携机中事先安装好Python 3.9版本及以上。
安装好Numpy,Pandas,statsmodels,sklearn,scipy等常用库。
注：讲师现场提供分析的数据源。
【授课方式】
建模流程+ 案例演练 + 开发实践 + 可视化呈现
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
【课程大纲】
预测建模基础
数据建模六步法
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，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
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
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）
训练模型及实现算法
模型原理
算法实现
模型评估
评估指标
评估方法
过拟合评估
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
模型应用
模型解读
模型部署
模型应用
好模型是优化出来的
分类模型评估
三个方面评估：指标、方法、过拟合
两大矩阵
混淆矩阵
代价矩阵
六大指标
正确率Accuracy
查准率Precision
查全率Recall
特异度Specify
F度量值（F1/Fβ）
提升指标lift
三条曲线
ROC曲线和AUC
PR曲线和BEP
KS曲线和KS值
多分类模型评估指标
宏指标：macro_P, macro_R宏指标：micro_P, micro_R模型评估方法
原始评估法
留出法（Hold-Out）
交叉验证法（k-fold cross validation）
自助采样法（Bootstrapping）
其它评估
过拟合评估：学习曲线
残差评估：白噪声评估
逻辑回归
问题：如何评估客户购买产品的可能性？如何预测客户行为？
如何预测客户流失？银行如何实现欠贷风险控制？
逻辑回归模型简介
逻辑回归的种类
二项逻辑回归
多项逻辑回归
逻辑回归方程解读
带分类自变量的逻辑回归
逻辑回归的算法实现及优化
迭代样本的随机选择
变化的学习率
逻辑回归+正则项
求解算法与惩罚项的互斥关系
多元逻辑回归处理
ovoovr逻辑回归建模过程
案例：用sklearn库实现银行贷款违约预测
案例：订阅者用户的典型特征（二元逻辑回归）
案例：通信套餐的用户画像（多元逻辑回归）
决策树
分类决策树简介
演练：识别银行欠货风险，提取欠贷者的特征
决策树的三个关键问题
最优属性选择
熵、基尼系数
信息增益、信息增益率
属性最佳划分
多元划分与二元划分
连续变量最优划分
决策树修剪
剪枝原则
预剪枝与后剪枝
构建决策树的算法
C5.0、CHAID、CART、QUEST
各种算法的比较
决策树的超参优化
决策树的解读
决策树建模过程
案例：商场酸奶购买用户特征提取
案例：客户流失预警与客户挽留
案例：识别拖欠银行货款者的特征，避免不良货款
案例：识别电信诈骗者嘴脸，让通信更安全
案例：电力窃漏用户自动识别
人工神经网络
神经网络简介（ANN）
神经元基本原理
加法器
激活函数
神经网络的结构
隐藏层数量
神经元个数
神经网络的建立步骤
神经网络的关键问题
BP算法实现
MLP多层神经网络
案例：评估银行用户拖欠货款的概率
案例：神经网络预测产品销量
支持向量机（SVM）
支持向量机简介
适用场景
支持向量机原理
支持向量
最大边界超平面
线性不可分处理
松弛系数
非线性SVM分类
常用核函数
线性核函数
多项式核
高斯RBF核
核函数的选择原则
模型集成优化篇
模型的优化思想
集成模型的框架
Bagging
Boosting
Stacking
集成算法的关键过程
弱分类器如何构建
组合策略：多个弱学习器如何形成强学习器
Bagging集成算法
数据/属性重抽样
决策依据：少数服从多数
随机森林RandomForestBoosting集成算法
基于误分数据建模
样本选择权重更新
决策依据：加权投票
AdaBoost模型
GBDT模型
XGBoost模型
LightGBM模型
案例实战
客户流失预测和客户挽留模型
银行欠贷风险预测模型
结束：课程总结与问题答疑。

傅一航老师的其它课程