|
大数据建模与模型优化实战培训 【课程目标】 本课程为建模课程，面向数据分析部等专门负责数据分析与建模的人员。 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： 1、 数据建模流程，特征工程处理 2、 回归预测模型，时序预测模型 3、 分类预测模型，模型含义解读 4、 模型基本原理，模型算法实现 5、 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： 1、 掌握数据建模的基本过程和步骤 2、 掌握数据建模前的特征选择的系统方法，学会寻找影响业务的关键要素 3、 掌握回归预测模型基本原理，学会解读回归方程的含义 4、 掌握常用的时序预测模型，以及各模型的适用场景 5、 掌握常用的分类预测模型，以及分类模型的优化 【授课时间】 2-4天时间（每天6个小时） 【授课对象】 业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。 【学员要求】 1、 每个学员自备一台便携机(必须)。 2、 便携机中事先安装好OfficeExcel 2013版本及以上。 3、 便携机中事先安装好IBMSPSS Statistics v24版本以上软件。 注：讲师可以提供试用版本软件及分析数据源。 【授课方式】 理论精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作 本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到最优分析结果。 【课程大纲】 第一部分： 数据建模流程1、 预测建模六步法 Ø 选择模型：基于业务选择恰当的数据模型 Ø 特征工程：选择对目标变量有显著影响的属性来建模 Ø 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 Ø 评估模型：进行评估模型的质量，判断模型是否可用 Ø 优化模型：如果评估结果不理想，则需要对模型进行优化 Ø 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 2、 数据挖掘常用的模型 Ø 定量预测模型：回归预测、时序预测等 Ø 定性预测模型：逻辑回归、决策树、神经网络、支持向量机等 Ø 市场细分：聚类、RFM、PCA等 Ø 产品推荐：关联分析、协同过滤等 Ø 产品优化：回归、随机效用等 Ø 产品定价：定价策略/最优定价等 3、 特征工程/特征选择/变量降维 Ø 基于变量本身特征 Ø 基于相关性判断 Ø 因子合并（PCA等） Ø IV值筛选（评分卡使用） Ø 基于信息增益判断（决策树使用） 4、 模型评估 Ø 模型质量评估指标：R^2、正确率/查全率/查准率/特异性等 Ø 预测值评估指标：MAD、MSE/RMSE、MAPE、概率等 Ø 模型评估方法：留出法、K拆交叉验证、自助法等 Ø 其它评估：过拟合评估、残差检验 5、 模型优化 Ø 优化模型：选择新模型/修改模型 Ø 优化数据：新增显著自变量 Ø 优化公式：采用新的计算公式 Ø 集成思想：Bagging/Boosting/Stacking 6、 常用预测模型介绍 Ø 时序预测模型 Ø 回归预测模型 Ø 分类预测模型 第二部分： 建模特征工程问题：如何选择合适的属性/特征来建模呢？选择的依据是什么？比如价格是否可用于产品销量预测？ 1、 数据预处理vs特征工程 2、 特征工程处理内容 Ø 变量变换 Ø 变量派生 Ø 变量精简（特征选择、因子合并） Ø 类型转换 3、 特征选择常用方法 Ø 相关分析、方差分析、卡方检验 4、 相关分析（衡量两数据型变量的线性相关性） Ø 相关分析简介 Ø 相关分析的应用场景 Ø 相关分析的种类 ² 简单相关分析 ² 偏相关分析 ² 距离相关分析 Ø 相关系数的三种计算公式 ² Pearson相关系数 ² Spearman相关系数 ² Kendall相关系数 Ø 相关分析的假设检验 Ø 相关分析的四个基本步骤 演练：营销费用会影响销售额吗？影响程度如何量化？ 演练：哪些因素与汽车销量有相关性 演练：影响用户消费水平的因素会有哪些 Ø 偏相关分析 ² 偏相关原理：排除不可控因素后的两变量的相关性 ² 偏相关系数的计算公式 ² 偏相关分析的适用场景 Ø 距离相关分析 5、 方差分析（衡量类别变量与数值变量间的相关性） Ø 方差分析的应用场景 Ø 方差分析的三个种类 ² 单因素方差分析 ² 多因素方差分析 ² 协方差分析 Ø 单因素方差分析的原理 Ø 方差分析的四个步骤 Ø 解读方差分析结果的两个要点 演练：摆放位置与销量有关吗 演练：客户学历对消费水平的影响分析 演练：广告和价格是影响终端销量的关键因素吗 演练：营业员的性别、技能级别对产品销量有影响吗 演练：寻找影响产品销量的关键因素 Ø 多因素方差分析原理 Ø 多因素方差分析的作用 Ø 多因素方差结果的解读 演练：广告形式、地区对销量的影响因素分析 Ø 协方差分析原理 Ø 协方差分析的适用场景 演练：排除产品价格，收入对销量有影响吗？ 6、 列联分析/卡方检验（两类别变量的相关性分析） Ø 交叉表与列联表：计数值与期望值 Ø 卡方检验的原理 Ø 卡方检验的几个计算公式 Ø 列联表分析的适用场景 案例：套餐类型对客户流失的影响分析 案例：学历对业务套餐偏好的影响分析 案例：行业/规模对风控的影响分析 第三部分： 线性回归模型营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？ 1、 回归分析简介和原理 2、 回归分析的种类 Ø 一元回归/多元回归 Ø 线性回归/非线性回归 3、 常用回归分析方法 Ø 散点图+趋势线（一元） Ø 线性回归工具（多元线性） Ø 规划求解工具（非线性回归） 演练：散点图找营销费用与销售额的关系 4、 线性回归分析的五个步骤 演练：营销费用、办公费用与销售额的关系（线性回归） 5、 线性回归方程的解读技巧 Ø 定性描述：正相关/负相关 Ø 定量描述：自变量变化导致因变量的变化程度 6、 回归预测模型评估 Ø 质量评估指标：判定系数R^2 Ø 如何选择最佳回归模型 演练：如何选择最佳的回归预测模型（一元曲线回归） 7、 带分类自变量的回归预测 演练：汽车季度销量预测 演练：工龄、性别与终端销量的关系 演练：如何评估销售目标与资源最佳配置 8、 自动筛选不显著因素（自变量） 第四部分： 回归模型优化1、 回归分析的基本原理 Ø 三个基本概念：总变差、回归变差、剩余变差 Ø 方程的显著性检验：方程可用性 Ø 因素的显著性检验：因素可用性 Ø 方程拟合优度检验：质量好坏程度 Ø 理解标准误差含义：预测准确性？ 2、 回归模型优化措施：寻找最佳回归拟合线 Ø 如何处理预测离群值（剔除离群值） Ø 如何剔除不显著因素（剔除不显著因素） Ø 如何进行非线性关系检验（增加非线性自变量） Ø 如何进行相互作用检验（增加相互作用自变量） Ø 如何进行多重共线性检验（剔除共线性自变量） 演练：模型优化演示 3、 好模型都是优化出来的 第五部分： 自定义回归模型1、 回归建模的本质 2、 规划求解工具简介 3、 自定义回归模型 案例：如何对客流量进行建模预测及模型优化 4、 回归季节预测模型模型 Ø 回归季节模型的原理及应用场景 Ø 加法季节模型 Ø 乘法季节模型 Ø 模型解读 案例：美国航空旅客里程的季节性趋势分析 5、 新产品累计销量的S曲线 Ø S曲线模型的应用场景（最大累计销量及销量增长的拐点） Ø 珀尔曲线 Ø 龚铂兹曲线 案例：如何预测产品的销售增长拐点，以及销量上限 演练：预测IPad产品的销量 第六部分： 定量模型评估1、定量预测模型的评估 Ø 方程显著性评估 Ø 因素显著性评估 Ø 拟合优度的评估 Ø 估计标准误差评估 Ø 预测值准确度评估 2、模型拟合度评估 Ø 判定系数：file:///C:/Users/yzl05/AppData/Local/Temp/msohtmlclip1/01/clip_image004.png Ø 调整判定系数：file:///C:/Users/yzl05/AppData/Local/Temp/msohtmlclip1/01/clip_image006.png 3、预测值准确度评估 Ø 平均绝对误差：MAE Ø 根均方差：RMSE Ø 平均误差率：MAPE 4、其它评估：残差检验、过拟合检验 第七部分： 时序预测模型营销问题：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？ 1、 回归预测vs时序预测 2、 因素分解思想 3、 时序预测常用模型 Ø 趋势拟合 Ø 季节拟合 Ø 平均序列拟合 4、 评估预测值的准确度指标：MAD、RMSE、MAPE 5、 移动平均（MA） Ø 应用场景及原理 Ø 移动平均种类 ² 一次移动平均 ² 二次移动平均 ² 加权移动平均 ² 移动平均比率法 Ø 移动平均关键问题 ² 如何选取最优参数N ² 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 6、 指数平滑（ES） Ø 应用场景及原理 Ø 最优平滑系数的选取原则 Ø 指数平滑种类 ² 一次指数平滑 ² 二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数） ² 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 7、 温特斯季节预测模型 Ø 适用场景及原理 Ø Holt-Winters加法模型 Ø Holt-Winters乘法模型 演练：汽车销量预测及评估 8、 平稳序列模型（ARIMA） Ø 序列的平稳性检验 Ø 平稳序列的拟合模型 ² AR(p)自回归模型 ² MA(q)移动模型 ² ARMA(p,q)自回归移动模型 Ø 模型的识别与定阶 ² ACF图/PACF图 ² 最小信息准则 Ø 序列平稳化处理 ² 变量变换 ² k次差分 ² d阶差分 Ø 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 Ø 平稳序列的建模流程 第八部分： 分类预测模型问题：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？ 1、 分类模型概述及其应用场景 2、 常见分类预测模型 3、 逻辑回归（LR） Ø 逻辑回归的适用场景 Ø 逻辑回归的模型原理 Ø 逻辑回归分类的几何意义 Ø 逻辑回归的种类 ² 二项逻辑回归 ² 多项逻辑回归 Ø 如何解读逻辑回归方程 Ø 带分类自变量的逻辑回归分析 Ø 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） 4、 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？ Ø 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 Ø 决策树分类的几何意义 Ø 构建决策树的三个关键问题 ² 如何选择最佳属性来构建节点 ² 如何分裂变量 ² 修剪决策树 Ø 选择最优属性生长 ² 熵、基尼索引、分类错误 ² 属性划分增益 Ø 如何分裂变量 ² 多元划分与二元划分 ² 连续变量离散化（最优分割点） Ø 修剪决策树 ² 剪枝原则 ² 预剪枝与后剪枝 Ø 构建决策树的四个算法 ² C5.0、CHAID、CART、QUEST ² 各种算法的比较 Ø 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 Ø 多分类决策树 案例：不同套餐用户的典型特征 Ø 决策树模型的保存与应用 5、 人工神经网络（ANN） Ø 神经网络概述 Ø 神经网络基本原理 Ø 神经网络的结构 Ø 神经网络分类的几何意义 Ø 神经网络的建立步骤 Ø 神经网络的关键问题 Ø BP反向传播网络（MLP） Ø 径向基网络（RBF） 案例：评估银行用户拖欠货款的概率 6、 判别分析（DA） Ø 判别分析原理 Ø 判别分析种类 Ø 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 7、 最近邻分类（KNN） Ø KNN模型的基本原理 Ø KNN分类的几何意义 Ø K近邻的关键问题 8、 支持向量机（SVM） Ø SVM基本原理 Ø 线性可分问题：最大边界超平面 Ø 线性不可分问题：特征空间的转换 Ø 维灾难与核函数 9、 贝叶斯分类（NBN） Ø 贝叶斯分类原理 Ø 计算类别属性的条件概率 Ø 估计连续属性的条件概率 Ø 预测分类概率（计算概率） Ø 拉普拉斯修正 案例：评估银行用户拖欠货款的概率 第九部分： 定性模型评估1、模型的评估指标 Ø 两大矩阵：混淆矩阵，代价矩阵 Ø 六大指标：Acc,P,R,Spec,F1,lift Ø 三条曲线： ² ROC曲线和AUC ² PR曲线和BEP ² KS曲线和KS值 2、模型的评估方法 Ø 原始评估法 Ø 留出法（Hold-Out） Ø 交叉验证法（k-fold cross validation） Ø 自助采样法（Bootstrapping） 第十部分： 模型集成优化1、模型的优化思路 2、集成算法基本原理 Ø 单独构建多个弱分类器 Ø 多个弱分类器组合投票，决定预测结果 3、集成方法的种类 Ø Bagging Ø Boosting Ø Stacking 4、Bagging集成 Ø 数据/属性重抽样 Ø 决策依据：少数服从多数 Ø 典型模型：随机森林RF 5、Boosting集成 Ø 基于误分数据建模 Ø 样本选择权重更新公式 Ø 决策依据：加权投票 Ø 典型模型：AdaBoost模型 6、其它高级集成算法：GBDT，XGBoost等 结束：课程总结与问题答疑。
| 
