国产极品粉嫩福利姬萌白酱_伊人WWW22综合色_久久精品a一国产成人免费网站_法国啄木乌AV片在线播放

Python數據挖掘

【課程目標】
本課程主要講解如何利用Python進行時間序列的數據建模。
通過本課程的學習，達到如下目的：
1、全面掌握Python語言以及其編程思想。
2、掌握常用擴展庫的使用，特別是數據挖掘相關庫的使用。
3、學會使用Python完成數據挖掘項目整個過程。
4、掌握利用Python實現可視化呈現。
5、掌握(wo)數據挖掘常見(jian)算法在Python中的(de)實(shi)現。

【授課對象】
業務支持部、IT系統部、大數(shu)據系統開(kai)發(fa)部、大數(shu)據分析中心、網絡運(yun)維部等相關技術(shu)人(ren)員。

【課程大綱】
一、數據挖掘基礎
1、數據挖掘概述
2、數據挖掘的標準流程（CRISP-DM）
－商業理解
－數據準備
－數據理解
－模型建立
－模型評估
－模型應用
案例：客戶流失預測及客戶挽留
3、數(shu)據挖掘常用模型

二、數據預處理篇
1、數據預處理的主要任務
－數據集成：多個數據集的合并
－數據清理：異常值的處理
－數據處理：數據篩選、數據精簡、數據平衡
－變量處理：變量變換、變量派生、變量精簡
－數據歸約：實現降維，避免維災難
2、數據集成
－數據追加（添加數據）
－變量合并（添加變量）
3、數據理解（異常數據處理）
－取值范圍限定
－重復值處理
－無效值/錯誤值處理
－缺失值處理
－離群值/極端值處理
－數據質量評估
4、數據準備：數據處理
－數據篩選：數據抽樣/選擇（減少樣本數量）
－數據精簡：數據分段/離散化（減少變量的取值個數）
－數據平衡：正反樣本比例均衡
5、數據準備：變量處理
－變量變換：原變量取值更新，比如標準化
－變量派生：根據舊變量生成新的變量
－變量精簡：降維，減少變量個數
6、數據降維
－常用降維的方法
－如何確定變量個數
－特征選擇：選擇重要變量，剔除不重要的變量
－從變量本身考慮
－從輸入變量與目標變量的相關性考慮
－對輸入變量進行合并
－因子分析（主成分分析）
－因子分析的原理
－因子個數如何選擇
－如何解讀因子含義
案例：提取影響電信客戶流失的主成分分析
7、數據探索性分析
－常用統計指標分析
－單變量：數值變量/分類變量
－雙變量：交叉分析/相關性分析
－多變量：特征選擇、因子分析
演練：描述性分析（頻數、描述、探索、分類匯總）
8、數據可視化
－數據可視化：柱狀圖、條形圖、餅圖、折線圖、箱圖、散點圖等
－圖形的表達及適用場景
演練：各種圖形繪制

三、用戶專題分析
1、用戶專題分析的主要任務
2、客戶群細分與聚類分析
問題：我們的客戶有幾類？各類特征是什么？如何實現客戶細分，開發符合細分市場的新產品？
－聚類方法原理介紹
－聚類方法作用及其適用場景
－聚類分析的種類
－K均值聚類
案例：移動三大品牌細分市場合適嗎？
演練：寶潔公司如何選擇新產品試銷區域？
演練：如何評選優秀員工？
演練：中國各省份發達程度分析，讓數據自動聚類
－最優K值選擇
－Elbow手肘法
－Silhouette Coefficient輪廓系數
－Calinski-Harabasz Index準則
－雙聚類bicluster及評估
－譜聚類聯合
－聯合譜聚類SpectralCoclustering
－雙向譜聚類SpectralBiclustering
－DBSCAN鄰近聚類
3、客戶喜好評估與主成分分析PCA
營銷問題：如何匯聚大眾的共同喜好？
－主成分分析方法介紹
－主成分分析基本思想
－主成分分析步驟
案例：如何評估汽車購買者的客戶細分市場
4、客戶價值評估與RFM模型
營銷問題：如何評估客戶的價值？不同的價值客戶有何區別對待？
－RFM模型（客戶價值評估）
－RFM模型，更深入了解你的客戶價值
－RFM模型與市場策略
－RFM模型與活躍度分析
案例：淘寶客戶價值評估與促銷名單
案例：重購用(yong)戶特(te)征分析

四、產品專題分析
1、產品專題分析主要任務
－產品設計分析
－市場占有分析
－累計銷量分析
－定價策略分析
2、產品設計優化（聯合分析法）
問題：如何設計最優的功能特征？
－評估功能特征的重要性
－評估功能特征的價值
案例：產品開發與設計分析
3、產品評估模型（隨機效用理論）
－屬性重要性評估
－市場占有率評估
－產品價格彈性評估
－評估產品的品牌價值
－動態調價（納會均衡價格）
案例：品牌價值與價格敏感度分析
案例(li)：納什均衡價格

五、產品定價策略
營銷問題：產品如何實現最優定價？套餐價格如何確定？采用哪些定價策略可達到利潤*化？
1、常見的定價方法
2、產品定價的理論依據
－需求曲線與利潤*化
－如何求解最優定價
案例：產品最優定價求解
3、如何評估需求曲線
－價格彈性
－曲線方程（線性、乘冪）
4、如何做產品組合定價
5、如何做產品捆綁/套餐定價
－*收益定價（演進規劃求解）
－避免價格反轉的套餐定價
案例：電信公司的寬帶、IPTV、移動電話套餐定價
6、非線性定價原理
－要理解支付意愿曲線
－支付意愿曲線與需求曲線的異同
案例：雙重收費如何定價（如會費+按次計費）
7、階梯定價策略
案例：電力公司如何做階梯定價
8、數量折扣定價策略
案例：如何通過折扣來實現薄利多銷
9、定價策略的評估與選擇
案例：零售公司如何選擇最優定價策略
10、航空公司的收益管理
－收益管理介紹
－如何確定機票預訂限制
－如何確定機票超售數量
－如何評估模型的收益
案例：FBN航空(kong)公司(si)如何實(shi)現收益管(guan)理（預訂(ding)/超售）

六、產品推薦與協同過濾
問題：購買A產品的顧客還常常要購買其他什么產品？應該給客戶推薦什么產品最有可能被接受？
1、從搜索引擎到推薦引擎
2、常用產品推薦模型及算法
3、基于流行度的推薦
－基于排行榜的推薦，適用于剛注冊的用戶
－優化思路：分群推薦
4、基于內容的推薦CBR
－關鍵問題：如何計算物品的相似度
－優缺點
－優化：Rocchio算法、基于標簽的推薦、基于興趣度的推薦
5、基于用戶的推薦
－關鍵問題：如何對用戶分類/計算用戶的相似度
－算法：按屬性分類、按偏好分類、按地理位置
6、協同過濾的推薦
－基于用戶的協同過濾
－基于物品的協同過濾
－冷啟動的問題
案例：計算用戶相似度、計算物品相似度
7、基于分類模型的推薦
8、其它推薦算法
－LFM基于隱語義模型
－按社交關系
－基于時間上下文
9、多推薦引擎(qing)的協同工作(zuo)

七、信用評分卡模型
信用評分卡模型簡介
評分卡的關鍵問題
信用評分卡建立過程
－篩選重要屬性
－數據集轉化
－建立分類模型
－計算屬性分值
－確定審批閾值
篩選重要屬性
－屬性分段
－基本概念：WOE、IV
－屬性重要性評估
數據集轉化
－連續屬性最優分段
－計算屬性取值的WOE
建立分類模型
－訓練邏輯回歸模型
－評估模型
－得到字段系數
計算屬性分值
－計算補償與刻度值
－計算各字段得分
－生成評分卡
確定審批閾值
－畫K-S曲線
－計算K-S值
－獲取最優閾值

八、交叉銷售與關聯規則
1、關聯規則概述
2、常用關聯規則算法
－Apriori算法
－發現頻繁集
－生成關聯規則
－FP-Growth算法
－構建FP樹
－提取規則
案例：使用(yong)apriori實(shi)現關聯分析(xi)

九、基于關聯分析的推薦
－如何制定套餐，實現交叉/捆綁銷售
案例：啤酒與尿布、颶風與蛋撻
－關聯分析模型原理（Association）
－關聯規則的兩個關鍵參數
－支持度
－置信度
－關聯分析的適用場景
案例：購物籃分析與產品捆綁銷售/布局優化
案例(li)：通信產品的交叉銷(xiao)售與產品推薦

結束：課程總結與問題答疑。

Python數據挖掘