【笔记】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

  1. 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

  1. Predictive Modeling
  2. 1 Decisions 决策:Classification
  3. 2 Rankings 排序:Credit Scoring;Decision
  4. 3 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!

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:2016-06-07

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

来自专栏美团技术团队

美团点评旅游搜索召回策略的演进

背景 美团点评作为最大的生活服务平台,有丰富的品类可供用户选择,因此搜索这个入口对各业务的重要性不言而喻,除了平台搜索外,业务搜索系统的质量和效果对用户体验、商...

821110
来自专栏量子位

凭一张照片找到视频中你所有的镜头,包括背影丨商汤ECCV 2018论文

别担心,商汤可不是准备拍电影,而是提出了新的视频找人方法——也就是,无论一位电影明星演的是青春少女还是白发老人,无论TA露出了正脸还是侧颜,无论影片的镜头明亮鲜...

12700
来自专栏大数据文摘

AI不仅能画画,还能编和弦了:谷歌这几年取得了哪些艺术成就?

18340
来自专栏灯塔大数据

分析 |《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)

作为徐老怪的忠实影迷,《狄仁杰之四大天王》肯定是要去看的,看豆瓣评分和前两部相差不多,但其实作者本人并不是很喜欢前两部,所以在犹豫要不要去看,于是简单去分析了一...

13020
来自专栏量子位

这份NLP研究进展汇总请收好,GitHub连续3天最火的都是它

15830
来自专栏AI科技大本营的专栏

AI 技术讲座精选:数据科学家线性规划入门指南

前 言 生活之道在于优化。每个人拥有的资源和时间都是有限的,我们都想充分利用它们。从有效地利用个人时间到解决公司的供应链问题——处处都有用到优化。 优化还是一个...

40630
来自专栏AI科技大本营的专栏

数据科学家线性规划入门指南

前言 生活之道在于优化。每个人拥有的资源和时间都是有限的,我们都想充分利用它们。从有效地利用个人时间到解决公司的供应链问题——处处都有用到优化。 优化还是一个有...

45170
来自专栏Data Analysis & Viz

乱炖“简书交友”数据之代码(2)

继续更新出来本系列的代码:乱炖数据之2700余篇“简书交友”专题文章数据的花式玩法

14730
来自专栏新智元

邓侃解读:医疗关键数据时间序列敏感度分析的通用方法

---- 新智元专栏 作者:邓侃 【新智元导读】密歇根州立大学、康奈尔大学腾讯研究院的几位学者,联名发表了一篇题为 “Identify Suscept...

40660
来自专栏程序员的知识天地

用Python自动生成表情包?小学生都能学会的操作!

作为一个数据分析师,应该信奉一句话----"一图胜千言"。不过这里要说的并不是数据可视化,而是一款全民向的产品形态——表情包!!!!

9720

扫码关注云+社区

领取腾讯云代金券