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。