大数据分析与挖掘综合能力提升实战（进阶II-2天）

大数据分析与挖掘综合能力提升实战
【课程目标】
本课程为进阶课程，面向所有业务支撑部门及数据分析部门。
本课程的主要目的是，帮助学员掌握大数据建模基础知识，帮助学员构建系统全面的预测建模思维，提升学员的数据建模综合能力。
本课程具体内容包括：
数据建模流程，特征工程处理
时序预测模型，分类预测模型
模型基本原理，模型含义解读
模型质量评估，模型优化措施
本系列课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据预测建模的过程进行了全面的介绍（从模型选择，到特征选择，再到训练模型，评估模型，以及优化模型和模型解读），通过大量的操作演练，帮助学员掌握数据建模的思路、方法、技巧，以提升学员的数据建模的能力，支撑运营决策的目的。
通过本课程的学习，达到如下目的：
了解数据建模的标准过程
明白时序预测的基本思想，熟悉常用的时序预测模型
掌握常用的分类预测模型，理解模型基本原理
学会解读分类预测模型的含义
理解并掌握定性预测模型的质量评估指标
了解分类预测模型的集成优化思想
【授课时间】
2天时间（每天6个小时）
【授课对象】
产品销量部、业务支撑部、运营分析部、数据分析部、大数据系统开发部等对业务数据分析有较高要求的相关人员。
【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Microsoft Office Excel 2013版本及以上。
便携机中事先安装好IBM SPSS Statistics v19版本及以上。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
数据分析基础 + 方法讲解 + 实际业务问题分析 + 工具实践操作
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】
数据建模过程—流程步骤篇
预测建模六步法
选择模型：基于业务选择恰当的数据模型
特征工程：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，寻找到最优参数
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
定量预测模型：回归预测、时序预测等
定性预测模型：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
特征工程/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）
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、残差检验
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
集成思想：Bagging/Boosting/Stacking
常用预测模型介绍
时序预测模型
回归预测模型
分类预测模型
定量预测模型—时序预测篇
营销问题：像利率/CPI/GDP等按时序变化的指标如何预测？当销量随季节周期变动时该如何预测？
回归预测vs时序预测
因素分解思想
时序预测常用模型
趋势拟合
季节拟合
平均序列拟合
评估预测值的准确度指标：MAD、RMSE、MAPE
移动平均（MA）
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
加权移动平均
移动平均比率法
移动平均关键问题
如何选取最优参数N
如何确定最优权重系数
演练：平板电脑销量预测及评估
演练：快销产品季节销量预测及评估
指数平滑（ES）
应用场景及原理
最优平滑系数的选取原则
指数平滑种类
一次指数平滑
二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）
三次指数平滑
演练：煤炭产量预测
演练：航空旅客量预测及评估
温特斯季节预测模型
适用场景及原理
Holt-Winters加法模型
Holt-Winters乘法模型
演练：汽车销量预测及评估
平稳序列模型（ARIMA）
序列的平稳性检验
平稳序列的拟合模型
AR(p)自回归模型
MA(q)移动模型
ARMA(p,q)自回归移动模型
模型的识别与定阶
ACF图/PACF图
最小信息准则
序列平稳化处理
变量变换
k次差分
d阶差分
ARIMA(p,d,q)模型
演练：上海证券交易所综合指数收益率序列分析
演练：服装销售数据季节性趋势预测分析平稳序列的建模流程
定性预测模型—分类预测篇
问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？分类模型概述及其应用场景
常见分类预测模型
逻辑回归（LR）
逻辑回归的适用场景
逻辑回归的模型原理
逻辑回归分类的几何意义
逻辑回归的种类
二项逻辑回归
多项逻辑回归
如何解读逻辑回归方程
带分类自变量的逻辑回归分析
多项逻辑回归/多分类逻辑回归
案例：如何评估用户是否会购买某产品（二项逻辑回归）
案例：多品牌选择模型分析（多项逻辑回归）
分类决策树（DT）
问题：如何预测客户行为？如何识别潜在客户？
风控：如何识别欠贷者的特征，以及预测欠贷概率？
客户保有：如何识别流失客户特征，以及预测客户流失概率？
决策树分类简介
案例：美国零售商（Target）如何预测少女怀孕
演练：识别银行欠货风险，提取欠贷者的特征
决策树分类的几何意义
构建决策树的三个关键问题
如何选择最佳属性来构建节点
如何分裂变量
修剪决策树
选择最优属性生长
熵、基尼索引、分类错误
属性划分增益
如何分裂变量
多元划分与二元划分
连续变量离散化（最优分割点）
修剪决策树
剪枝原则
预剪枝与后剪枝
构建决策树的四个算法
C5.0、CHAID、CART、QUEST
各种算法的比较
如何选择最优分类模型？
案例：商场用户的典型特征提取
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
多分类决策树
案例：不同套餐用户的典型特征
决策树模型的保存与应用
人工神经网络（ANN）
神经网络概述
神经网络基本原理
神经网络的结构
神经网络分类的几何意义
神经网络的建立步骤
神经网络的关键问题
BP反向传播网络（MLP）
径向基网络（RBF）
案例：评估银行用户拖欠货款的概率
判别分析（DA）
判别分析原理
判别分析种类
Fisher线性判别分析
案例：MBA学生录取判别分析
案例：上市公司类别评估
最近邻分类（KNN）
KNN模型的基本原理
KNN分类的几何意义
K近邻的关键问题
支持向量机（SVM）
SVM基本原理
线性可分问题：最大边界超平面
线性不可分问题：特征空间的转换
维灾难与核函数
贝叶斯分类（NBN）
贝叶斯分类原理
计算类别属性的条件概率
估计连续属性的条件概率
预测分类概率（计算概率）
拉普拉斯修正
案例：评估银行用户拖欠货款的概率
定性预测模型—模型评估篇
模型的评估指标
两大矩阵：混淆矩阵，代价矩阵
六大指标：Acc,P,R,Spec,F1,lift
三条曲线：
ROC曲线和AUC
PR曲线和BEP
KS曲线和KS值
模型的评估方法
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）
定性预测模型—集成优化篇
模型的优化思路
集成算法基本原理
单独构建多个弱分类器
多个弱分类器组合投票，决定预测结果
集成方法的种类
Bagging
Boosting
Stacking
Bagging集成
数据/属性重抽样
决策依据：少数服从多数
典型模型：随机森林RF
Boosting集成
基于误分数据建模
样本选择权重更新公式
决策依据：加权投票
典型模型：AdaBoost模型
结束：课程总结与问题答疑。

傅一航老师的其它课程