内容概要1.介绍SPSS Modeler数据挖掘软件的功能和基本操作；

2.学习如何使用SPSS Modeler完成数据挖掘过程；

3.学习机器学习的常见技术，例如神经网络、决策树、聚类、关联分析、回归分析和社会网络用户情感分析等，并学习如何将它们应用到业务数据。

4.结合实际案例以及上机操作讲解培训内容1. 数据挖掘简介

数据挖掘的概念

CRISP-DM方法论

SPSS Modeler 18简介

2. 数据理解

数据理解

缺失值定义

数据审核节点介绍

分布图节点----初步理解字符型字段的分

直方图/统计节点----初步理解数值型字段的分布

常用数据分析图画法

3. SPSS Modeler分类技术

决策树技术

Logistics回归

神经网络

贝叶斯分类器

4. SPSS Modeler细分技术

Kohonen网络/两步聚类/K-means

5. SPSS Modeler关联分析技术

常见的回归分析Carma/Apriori

序列节点

6. SPSS Modeler自动建模技术

自动聚类节点

自动分类节点

自动数值节点

7. SPSS Modeler其他技术

线性回归

特征选择

支持向量机（SVM）

主成分/因子分析

8. SPSS Modeler模型评估技术

评估图

分析节点  

案例1：银行客户数据分析以客户信用记录、消费历史记录数据为基础，使用IBM SPSS Modeler，分析决定用户信用等级的主要因素是什么？并给与解释。信用额度和信用评分有何关系？给出欺诈的判断模型。分析客户人口属性对银行信贷和信用评分有无影响。分析逾期还款的客户有什么特征？根据消费历史分析各类客户的特征。案例2：大众点评网的用户偏好分析到大众点评网抓取多家火锅店的店名、位置、点评条数、人均消费额、口味评分（均分）、环境评分（均分）、服务评分（均分）、点评的均分、有无团购、有无送外卖、有无订座等数据（还可以采集标签等数据），对火锅店进行分类、找出每类火锅店的特征，并分析点评均分与其他变量之间的关系。为新开设火锅店选址提供指导；为用户推荐火锅店。案例3：制造企业质量数据挖掘本项目在中天耐热导线工厂**近2年的质量管理数据的基础上，分析了这些数据存在的问题，进行了大量的预处理，利用统计学、多维度分析、数据挖掘以及可视化等多种数据分析方法，以优化耐热导线的制造过程。案例4：电商客户情感分析**抓取对典型电商客户的评论，分析客户对于某个商品多个维度的态度和情感倾向，以及客户注重商品属性所在，商品的卖点、不足以及同类商品竞争力对比。