?課程描述

?介紹數(shù)據(jù)挖掘方法論以及CRISP-DM的6個(gè)步驟

?培訓(xùn)對(duì)象

?戰(zhàn)略規(guī)劃部、市場(chǎng)研究部、數(shù)據(jù)分析部等相關(guān)研究人員

?必要技能

?統(tǒng)計(jì)方法基礎(chǔ)知識(shí)、數(shù)據(jù)挖掘基本原理

?培訓(xùn)內(nèi)容

?統(tǒng)計(jì)分析方法與數(shù)據(jù)挖掘基本原理

?第一講

?如何從掌握統(tǒng)計(jì)方法到掌握數(shù)據(jù)挖掘

?與傳統(tǒng)的統(tǒng)計(jì)分析方法相比而言：

?什么是數(shù)據(jù)挖掘？

?數(shù)據(jù)挖掘能做什么？

?數(shù)據(jù)挖掘在協(xié)助企業(yè)業(yè)務(wù)的分類、預(yù)測(cè)、聚類和模型可視化方面的特點(diǎn)；

?數(shù)據(jù)挖掘在其他商業(yè)領(lǐng)域的應(yīng)用，如完善客戶關(guān)系管理、贏得市場(chǎng)營(yíng)銷戰(zhàn)役；

?如何從掌握統(tǒng)計(jì)分析方法到掌握數(shù)據(jù)挖掘？

?第二講

?數(shù)據(jù)挖掘基本原理和實(shí)踐操作方法論

?數(shù)據(jù)挖掘的基本原理

?數(shù)據(jù)挖掘?qū)嵺`中所要求的數(shù)據(jù)結(jié)構(gòu)、衍生變量和數(shù)據(jù)轉(zhuǎn)換

?數(shù)據(jù)挖掘的模型建構(gòu)方法、模型的評(píng)估、模型的檢驗(yàn)和修訂

?目前主流的數(shù)據(jù)挖掘工具軟件比較

?如何在實(shí)踐操作中運(yùn)用CRISP-DM數(shù)據(jù)挖掘程序

?如何從商業(yè)角度和數(shù)據(jù)角度了解數(shù)據(jù)挖掘解決問題的類型和思路

?CRISP-DM的6個(gè)步驟以及每個(gè)步驟應(yīng)該完成的工作和產(chǎn)生的結(jié)果

?培訓(xùn)對(duì)象

?客戶企業(yè)所指派的Modeler實(shí)際使用人員

?涉及產(chǎn)品

?Modeler

?培訓(xùn)內(nèi)容

?Modeler軟件操作基礎(chǔ)培訓(xùn)

?Modeler的數(shù)據(jù)處理技術(shù)

?第一講

?操作概述

?基礎(chǔ)界面介紹：

?Modeler?14.2所包含的功能模塊

?與Modeler先前版本的比較

?基礎(chǔ)操作之?dāng)?shù)據(jù)準(zhǔn)備

?讀取數(shù)據(jù)文件

?數(shù)據(jù)質(zhì)量評(píng)估

?數(shù)據(jù)處理

?尋找數(shù)據(jù)中的關(guān)系

?第二講

?建模概述

?Modeler中所包含的數(shù)據(jù)建模概述

?神經(jīng)網(wǎng)絡(luò)技術(shù)建模

?決策樹技術(shù)建模

?模型比較與模型合并

?Kohonen神經(jīng)網(wǎng)絡(luò)

?關(guān)聯(lián)規(guī)則

?時(shí)序發(fā)現(xiàn)

?模型的發(fā)布

?第三講

?數(shù)據(jù)處理技術(shù)

?

?合并多個(gè)數(shù)據(jù)源數(shù)據(jù)

?抽取樣本，選擇和緩存數(shù)據(jù)

?處理缺失數(shù)據(jù)

?處理日期

?處理時(shí)序數(shù)據(jù)

?文件操作

?數(shù)據(jù)聚合

?附錄:?通過ODBC讀取數(shù)據(jù)

?附錄:?Modeler的數(shù)據(jù)庫(kù)連接

?課程描述

?介紹Modeler的建模技術(shù)以及Meta?Modeling技術(shù)

?培訓(xùn)對(duì)象

?完成第二、三課學(xué)習(xí)的學(xué)員

?必要技能

?第二、三課學(xué)習(xí)的技能

?培訓(xùn)內(nèi)容

?利用神經(jīng)網(wǎng)絡(luò)完成分群（Neural?networks?for?classification）

?高級(jí)規(guī)則歸納（Advanced?rule?induction）

?聚類技術(shù)（clustering）

?高級(jí)關(guān)聯(lián)規(guī)則（Advanced?association?rules）

?線性回歸（Linear?Regression）

?邏輯回歸（Logistic?Regression）

?濃縮數(shù)據(jù)：基本組件（Data?Reduction:?Principal?Components）

?從模型中獲取數(shù)據(jù)(meta?models,?error?modeling)?