CDA LEVEL II 数据建模师培训学习笔记(一)软件安装

写在前面:此笔记是PPV课学员张梦根据李玉玺老师在CDA LEVEL II 数据建模师培训的上课内容整理而成的。

—————————作者说明—————————

CDA level 2 前4天笔记。

重点在操作和老师口述的无关内容。由于开始没安装成功EM,所以没有截图。

有讲义的笔记都记录在讲义上。复习参考讲义。

2015/9/20

—————————老师简介—————————

李御玺

国立台湾大学咨询工程博士

铭传大学咨询工程学系教授(2000~)

CDA协会高级会员=数据分析专家

铭传大学大数据研究中心主任

中华资料采矿协会理事

中国人民大学数据挖掘中心顾问

厦门大学数据挖掘中心顾问

SPSS、SAS、微软(Reporting service power view power map)

专长:数据挖掘、文本挖掘

MY DATA MINING IN TAIWAN

台新银行案例

2004年营销案:提案:139件;成案:103件;效益:10亿

中华航空公司案例

常旅客分群模型建置;高仓促销模型:怎么能让高舱等多人坐;华航精致旅游促销模型

中国东方航空公司

会员贡献度分析;会员乘机率分析;会员流失及挽留分析

特立和乐HOLA公司

客户贡献度分析;型录效益分析;客户流失及挽留

中国工商局

企业注销吊销模型;PEVC投资价值评估模型;12315消费者投诉与维权预防的模型

-台湾有联合征信中心,受到启发。为企业建立信用等级。

泥石流预测结合GIS系统

————————-以下为正文—————————–

LEVEL II 数据挖掘/大数据-软件安装

.SPSS

建议不要更改安装路径。建议使用英文版。分配内存会影响最大读入数据量。win8找不到延长使用的目录。–不但要显示文,还是设置

.SAS

更改EM语言:

建立一个专门存放SAS PROJECT的目录。

尝试修改时间;尝试以管理员身份运行

.SPSS基本使用

.数据集:银行评分卡

1.分析数据 分析字段:哪些有用,怎么用,为什么

2.读入

3.分类(type:IT人员给的数据很可能有错,十之八九,要特别确认)数值型有的需要改为nominal/flag

4.描述性统计画图(数值型用直方图/NOMINAL用distribution分布图)看

说明这个字段OK,有趋势性

.EM基本使用

新建PROJECT

新建LIBRARY

查看lib

数据导入-数据源

基本跟modeler的判断依据类似。

类别型超过8个就不好,所以就自己去想办法group

如果想导入CSV,用EG去转。

新建流程图

使用DMDB数据探索可以看到SPSS STAT才能看到的东西看DMDB result

skewness》0 右偏图在左边

Class variable

GRAPH EXPLORE

StatExplore chi-square Plot 卡方检定 Cramer’s V

worth 类别卡方数值方差 P log取-则越大越好,排序

使用帮助文档:

.MINING MODELS分类

.老师的分类法

1.描述性Descriptive data minding(unsupervised learning)

Association Rules关联规则

Cluster Analysis 聚类分析

Sequential Patterns序列型样

2.预测性Predictive data mining (supervised learning)

2.1 CLASSIFICATION 分类 ->预测数据所属的类别

Bayes Net 贝叶斯网络

Decision Tree 决策树

Neural Network 神经网络

Logistic Regression 逻辑回归

2.2 PREDICTION 预测

Decision Tree 决策树

Neural Network 神经网络

Linear Regression 线性回归

Time Series时间序列(听说LEVEL I 会讲)

.SAS的分类法

1.PATTERN DISCOVERY

1.1 CLUSTER ANALYSISI 聚类分析

1.2 Market BASKET ANALYSIS:

Association Rules关联规则

Sequential Patterns序列型样

2.Predictive Modeling

Decisions 决策:Classification

Rankings 排序:Credit Scoring;Decision

Estimates估计:Prediction

.建模目的指标

绩效的增益

Accuracy

Gain Chart

Lift Chart :Gain Chart 中计算Lift=比随机乱猜命中增加的倍数

坐标轴 DEPTH VS LIFT

Profit Chart: 转化成Profit给领导展示<- 成本矩阵

.介绍2个网站

www.kdnuggets.com

有别人发布的软件算法;

www.kaggle.com

比赛:老师曾参与Acquire valued shoppers challenge 有30万客户,3亿5千万数据。用JAVA写处理数据的程序,然后30万的数据用modeler处理就很容易。如果仅用modeler则每次处理输入读入时间25分钟。老师用的是本地电脑,不是服务器。服务器肯定会快一点。

以面积为评判标准。(GAIN CHART)

华硕库存预测,以绝对误差为评判依据。

有些公司会去找题目,看看是不是试用自己的公司->培养找题目的能力也很重要。

介绍几个案例的数据集(缺省)

下一节:CDA LEVEL II 数据建模师培训学习笔记(二)数据前处理

—————————小节分割线————————

在建模分析师中,数据挖掘(Data Mining)技术无疑是他们最强有力的核心竞争力。数据挖掘强调与现有信息系统的整合,以提供决策者做决策时所需的情报,或转化成经营智慧,以作为调整营运策略方针的辅助工具。以顾客关系管理(CRM)为例,数据挖掘是整个顾客关系管理的核心。其不但可以准确的定位目标市场,进行精准营销,还可以帮助业务人员了解客户深层需求,针对大量客户进行客制化,也就是所谓的一对一营销。本课程的目的就是要针对数据挖掘整套流程,根据CDA Level Ⅱ大纲标准,以金融、电信、电商和零售业为案例背景,结合SAS Enterprise Miner和SPSS Moderler深入讲授数据挖掘的主要算法。并将SAS语言和SQL进行有效的结合,讲授如何在实际工作中搭建数据挖掘环境,制定分类数据挖掘的标准流程,让学员胜任全方位的数据挖掘运用场景。

PPV课原创文章,转载请注明作者和原文链接!

1、回复“数据分析师”查看数据分析师系列文章 2、回复“案例”查看大数据案例系列文章 3、回复“征信”查看相关征信的系列文章 4、回复“可视化”查看可视化专题系列文章 5、回复“SPPS”查看SPSS系列文章 6、回复“答案”查看hadoop面试题题目及答案 7、回复“爱情”查看大数据与爱情的故事 8、回复“笑话”查看大数据系列笑话 9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载 PPV课大数据ID: ppvke123 (长按可复制)大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2015-09-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据的力量

用工程师的思维加上 3D 建模,熬出一碗浓浓的鸡汤

17130
来自专栏机器人网

工业机器人的主要部件、材料、构形与控制系统

一、工业机器人的主要组成部分 ? 1、机器人驱动装置 概念:要使机器人运行起来, 需给各个关节即每个运动自由度安置传动装置 作用:提供机器人各部位、各关节动作的...

45270
来自专栏PaddlePaddle

案例|深度学习×综艺直播秀,还引起了尖叫狂潮?

和上次不同,这次大屏幕侠识别现场观众的表情,将笑容热力值排名,pick前10位笑容灿烂的小伙伴上榜

10820
来自专栏大数据文摘

社交媒体分析:洞察希拉里面对的性别歧视

276100
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/1/14

注意下面很多链接需要科学上网,无奈国情如此 1. 大炮Gary Marcus(NYU教授,前Uber AI lab的director)发长文讨论深度学习的各种...

352100
来自专栏Data Analysis & Viz

乱炖数据之2700余篇“简书交友”专题文章数据的花式玩法

简书上有个“简书交友”专题,经常会有人写些自己的情况、贴贴自己的照片然后投稿到这一专题,有介绍的比较详细的比如下图所示(侵删),较为规整和全面;

13320
来自专栏PaddlePaddle

【AI脑洞】深度学习支撑的机器人要竞选市长?

简要回顾一下新闻内容,AI机器人真的参与了竞选,并做足功课,颇有要大干一场的架势。

10120
来自专栏程序员的知识天地

Python 爬取 B 站,宋智孝李光洙哪个更受宠?

在中国,大家应该都了解《跑男》这个节目吧,跑男这个节目就是引用了韩国的《Running Man》,成员组成包括原六位成员刘在石、池石镇、金钟国、HAHA(河东勋...

22120
来自专栏钱塘大数据

高考不会就选“C”?大数据告诉你这事不靠谱

从小就听说,选择题遇到不会的,就按照这个技巧选择:三短一长选长的,三长一短选短的;两长两短选择B,长短不齐就选BC。

11120
来自专栏机器人网

Nvidia工程师用“深度学习+智能系统”赶走拉屎喵星人

铲屎并不是一件轻松的差事,尤其是邻居家的喵星人隔三差五地到你家草坪上“撒野”的情况下。脑洞大开之下,Nvidia工程师Robert Bond决定用一套全自动的装...

27830

扫码关注云+社区

领取腾讯云代金券