大数据建模与模型优化实战

第一部分：资料建模篇

1、预测建模六步法

2，第一步：属性筛选（降维）

需要选项哪些属性？怎样派生新属性？

常用办法：显著性检验、主成分拆解…

从业务推演和资料推演来考虑

3、第二步：选项模型

常用模型分类

各模型适用情境

基于业务情境选项合适的模型

4、第三步：训练模型

利用资料对模型开展计算

模型参数精进和调整

算法：最优求解、距离、概率、资讯增益…

5、第四步：评核模型

评价常用指标：R^2，就一线经验说，AUC，KS，误差率，错误率…

评核办法：留出法、N拆交叉验证、过拟合

6、第五步：精进模型

模型精进方向：模型和资料

精进模型：调整模型、精进公式、精进算法

精进资料：新增属性、重新构造属性

7、第六步：运用模型

模型解读：模型含义，输出结果

部署模型：开发模型、模型周期维护

8、资料预测模型精进

显著性检验、线性检验、非线性检验，相互作用检验、共线性检验、误差项检验，过拟合检验

9、分类预测模型精进

Bagging算法

Boosting算法

第二部分：时间序列拆解篇

1、怎样对趋势和季节性建模

2、时间序列以及常用模型算法

3、采用移动平均来消除季节性因素

一次移动平均原理以及其缺点

二次移动平均原理以及其公式

加权移动平均原理以及其公式

实例：平板电脑销量拆解

4、指数平滑

一次指数平滑原理以及其公式

二次指数平滑原理以及其公式

三次指数平滑原理以及其公式

实例：煤炭产量拆解

5、Holt-Winters拆解

霍尔特-温特斯原理

HW无季节模型以及公式

HW加法模型

HW乘法模型

6，季节性和趋势预测模型

相加模型

相乘模型

7、评核模型质量的指标

判定系数R^2

准则误差SER

8、评核预测值准确程度的指标

平均偏差MAD

都方差MSE或者都方差平方根RMSE

平均误差率MAPE

9、

第三部分：降维技艺

1、变量太多存在的问题

2、资料稀疏的问题

3、变量降维技艺的类型

利用业务学识选项属性

利用资料本身特征来选项属性

利用自变量和因变量的相关性来选项属性

将不显著因素合并为显著因子（PCA）

4、利用决策树来选项变量

5、采用神经网络来选项变量

6、利用变量聚类

第四部分：精进问题建模

1、精进问题的三个特点

可调整的参数

产生单一标的值的标的函数

参数的约束条件

2、破解精进问题的常用算法

线性规划

遗传算法

3、线性规划运用建模

4、遗传算法

遗传算法的基本轮廓

改进以及增强：选项、交叉

第五部分：货品最优定价以及定价打法拆解

1、货品最优定价是一个精进问题

2、常见的定价办法

3、货品定价的理论依据

诉求曲线和利润最大化

怎样求解最优定价

实例：货品最优定价求解

4、怎样评核诉求曲线

价格弹性

曲线方程（线性、乘幂）

5、怎样做货品组合定价

6、怎样做货品捆绑/套餐定价

最大收益定价（演进规划求解）

防止价格反转的套餐定价

实例：电信公司的宽带，IPTV、移动电话套餐定价

7、非线性定价原理

要领会支付意愿曲线

支付意愿曲线和诉求曲线的异同

实例：双重收费怎样定价（如会费+按照次计费）

8、阶梯定价打法

实例：电力公司怎样做阶梯定价

9、数量折扣定价打法

实例：怎样借助折扣来达成薄利多销

10、定价打法的评核和选项

实例：零售公司怎样选项最优定价打法

11、航空公司的收益管控

收益管控引见

怎样确定机票预订限制

怎样确定机票超售数量

怎样评核模型的收益

实例：FBN航空公司怎样达成收益管控（预订/超售）

第六部分：买方诉求和货品规划建模

1、联合拆解法

2、离散选项模型

怎样评核买方购买货品的概率

怎样指导货品开发？怎样确定货品的要害特性

竞争下的货品动态调价

怎样评核货品的价格弹性

实例：货品开发和规划拆解

实例：品牌价值和价格敏感度拆解

实例：纳什均衡价格

3、品牌价值评核

4、新货品市场占有率评核

第七部分：精准推荐模型

1，从搜索引擎到推荐引擎

2、个性化推荐系统的运用情境

3，推荐系统的评测

用户满意度

预测准确度

覆盖率…

4、常用货品推荐模型以及算法

分类预测

关联拆解

协同过滤

…

5、个性化精准营销的推荐打法

结束：课程收束和问题答疑。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|傅一航老师