SPSS Modeler数据分析与挖掘

一、概述

1.SPSS Modeler简介

2.Modeler的CRISP达成

3.Modeler的开发界面简介

实例：一个完整的资料挖掘项目全进程。

二、资料导入和资料类型设置

1.资料源类型

2.字段的测量和定位

3.Type节点描述

三、资料审核和资料清洗

有问题的资料将带来有问题的结果，故而在拆解之前应该对资料开展质量的审核。

1.资料审核的目的

2.定性变量和定量变量的不同审核办法

3.资料审核的步骤

a)极端值和缺失值的发现

b)资料分布特征

4.资料清洗

a)缺失值处理打法

b)极端值处理打法

c)保持资料的一致性

5.资料处理节点

a)重新分类

b)分箱

c)过滤

四、资料特征描绘-让资料易于领会

业务拆解之时，发现资料的特征或者规律，是一个拆解人员必备的本领，本节用图形化的方式，描绘资料中的特征和规律。

1.常用图形节点

a)直方图

b)分布图

c)多重散点图

d)时间散点图

2.图形板抓手：向导式图形抓手

3.图形化拆解上手

五、建模抓手简介

1.Modeler模型总体引见

2.各算法的适用情境总体引见

六、异常值拆解

怎样发现异常资料的办法。

1.异常值拆解原理

2.相关节点

a)异常值

b)临近值法

七、时间序列拆解

预测技艺能够使事务更具备前瞻性，本节引见预测的概念和抓手。

1.周期拆解

2.新货品和老货品在时序特征上的不同

3.主流的时间序列算法

a)曲线回归

b)ARIMA

c)指数平滑

4.相关节点

a)时间序列

b)线性

c)回归

八、聚类拆解

买方细分是海量资料时代精确营销的先决条件，聚类拆解算法有助于迅速对资料开展聚类，找到最佳的买方分类方式。

1.聚类拆解的用途

2.聚类拆解算法

a)迅速聚类

b)系统聚类

c)两步聚类

3.相关节点

a)K-Means

b)自动聚类

c)两步

九，关联规则

关联规则的主要运用在买方行为规律的发现上，典型的运用是购物篮拆解，拆解买方的购物习惯以拉升交叉销售的业绩。

1.关联规则的原理以及运用

2.关联规则的分类

a)Apriori

b)序列

十，分类算法

分类算法的用途很多，以资料库营销的概念为例：传统针对所有买方的群体推送带来成本过高，效率偏低的问题。分类算法的优点在于借助精准的买方定位，拉升内容推送的精准度，减少对买方的骚扰，降低成本，缩短时间，拉升公司利润。

1.概述

2.不同的决策树算法

a)CHAID

b)C&R树

c)Quest

d)C5.0

3.Logistic回归

4.神经网络

5.SVM

6.贝叶斯网络

7.综合实例

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|陈剑老师