【课程目标】
本课程为建模课程，面向数据分析部等专门负责数据分析与建模的人员。
本课程的主要目的是，帮助学员掌握大数据建模基础知识，帮助学员构建系统全面的预测建模思维，提升学员的数据建模综合能力。
本课程具体内容包括：
1、数据建模流程，特征工程处理
2、回归预测模型，时序预测模型
3、分类预测模型，模型含义解读
4、模型基本原理，模型算法实现
5、模型质量评估，模型优化措施
本系列课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据预测建模的过程进行了全面的介绍（从模型选择，到特征选择，再到训练模型，评估模型，以及优化模型和模型解读），通过大量的操作演练，帮助学员掌握数据建模的思路、方法、技巧，以提升学员的数据建模的能力，支撑运营决策的目的。
通过本课程的学习，达到如下目的：
1、掌握数据建模的基本过程和步骤
2、掌握数据建模前的特征选择的系统方法，学会寻找影响业务的关键要素
3、掌握回归预测模型基本原理，学会解读回归方程的含义
4、掌握常用的时序预测模型，以及各模型的适用场景
5、掌握常用的分类预测模型，以及分类模型的优化
【授课时间】
2-3天时间（每天6个小时）
【授课对象】
业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。
【学员要求】
1、每个学员自备一台便携机(必须)。
2、便携机中事先安装好Office Excel 2013版本及以上。
3、便携机中事先安装好IBM SPSSStatistics v24版本以上软件。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
理论精讲+案例演练+ 实际业务问题分析 + SPSS实际操作
本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到最优分析结果。
【课程大纲】
第一部分：数据建模流程
1、预测建模六步法
选择模型：基于业务选择恰当的数据模型
特征工程：选择对目标变量有显著影响的属性来建模
训练模型：采用合适的算法对模型进行训练，寻找到最优参数
评估模型：进行评估模型的质量，判断模型是否可用
优化模型：如果评估结果不理想，则需要对模型进行优化
应用模型：如果评估结果满足要求，则可应用模型于业务场景
2、数据挖掘常用的模型
定量预测模型：回归预测、时序预测等
定性预测模型：逻辑回归、决策树、神经网络、支持向量机等
市场细分：聚类、RFM、PCA等
产品推荐：关联分析、协同过滤等
产品优化：回归、随机效用等
产品定价：定价策略/最优定价等
3、特征工程/特征选择/变量降维
基于变量本身特征
基于相关性判断
因子合并（PCA等）
IV值筛选（评分卡使用）
基于信息增益判断（决策树使用）
4、模型评估
模型质量评估指标：R^2、正确率/查全率/查准率/特异性等
预测值评估指标：MAD、MSE/RMSE、MAPE、概率等
模型评估方法：留出法、K拆交叉验证、自助法等
其它评估：过拟合评估、残差检验
5、模型优化
优化模型：选择新模型/修改模型
优化数据：新增显著自变量
优化公式：采用新的计算公式
集成思想：Bagging/Boosting/Stacking
6、常用预测模型介绍
时序预测模型
回归预测模型
分类预测模型
第二部分：建模特征工程
问题：如何选择合适的属性/特征来建模呢？选择的依据是什么？比如价格是否可用于产品销量预测？
1、数据预处理vs特征工程
2、特征工程处理内容
变量变换
变量派生
变量精简（特征选择、因子合并）
类型转换
3、特征选择常用方法
相关分析、方差分析、卡方检验
4、相关分析（衡量两数据型变量的线性相关性）
相关分析简介
相关分析的应用场景
相关分析的种类
简单相关分析
偏相关分析
距离相关分析
相关系数的三种计算公式
Pearson相关系数
Spearman相关系数
Kendall相关系数
相关分析的假设检验
相关分析的四个基本步骤
演练：营销费用会影响销售额吗？影响程度如何量化？
演练：哪些因素与汽车销量有相关性
演练：影响用户消费水平的因素会有哪些
偏相关分析
偏相关原理：排除不可控因素后的两变量的相关性
偏相关系数的计算公式
偏相关分析的适用场景
距离相关分析
5、方差分析（衡量类别变量与数值变量间的相关性）
方差分析的应用场景
方差分析的三个种类
单因素方差分析
多因素方差分析
协方差分析
单因素方差分析的原理
方差分析的四个步骤
解读方差分析结果的两个要点
演练：摆放位置与销量有关吗
演练：客户学历对消费水平的影响分析
演练：广告和价格是影响终端销量的关键因素吗
演练：营业员的性别、技能级别对产品销量有影响吗
演练：寻找影响产品销量的关键因素
多因素方差分析原理
多因素方差分析的作用
多因素方差结果的解读
演练：广告形式、地区对销量的影响因素分析
协方差分析原理
协方差分析的适用场景
演练：排除产品价格，收入对销量有影响吗？
6、列联分析/卡方检验（两类别变量的相关性分析）
交叉表与列联表：计数值与期望值
卡方检验的原理
卡方检验的几个计算公式
列联表分析的适用场景
案例：套餐类型对客户流失的影响分析
案例：学历对业务套餐偏好的影响分析
案例：行业/规模对风控的影响分析
第三部分：线性回归模型
营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？
1、回归分析简介和原理
2、回归分析的种类
一元回归/多元回归
线性回归/非线性回归
3、常用回归分析方法
散点图+趋势线（一元）
线性回归工具（多元线性）
规划求解工具（非线性回归）
演练：散点图找营销费用与销售额的关系
4、线性回归分析的五个步骤
演练：营销费用、办公费用与销售额的关系（线性回归）
5、线性回归方程的解读技巧
定性描述：正相关/负相关
定量描述：自变量变化导致因变量的变化程度
6、回归预测模型评估
质量评估指标：判定系数R^2
如何选择最佳回归模型
演练：如何选择最佳的回归预测模型（一元曲线回归）
7、带分类自变量的回归预测
演练：汽车季度销量预测
演练：工龄、性别与终端销量的关系
演练：如何评估销售目标与资源最佳配置
8、自动筛选不显著因素（自变量）
第四部分：回归模型优化
1、回归分析的基本原理
三个基本概念：总变差、回归变差、剩余变差
方程的显著性检验：方程可用性
因素的显著性检验：因素可用性
方程拟合优度检验：质量好坏程度
理解标准误差含义：预测准确性？
2、回归模型优化措施：寻找最佳回归拟合线
如何处理预测离群值（剔除离群值）
如何剔除不显著因素（剔除不显著因素）
如何进行非线性关系检验（增加非线性自变量）
如何进行相互作用检验（增加相互作用自变量）
如何进行多重共线性检验（剔除共线性自变量）
演练：模型优化演示
3、好模型都是优化出来的
第五部分：自定义回归模型
1、回归建模的本质
2、规划求解工具简介
3、自定义回归模型
案例：如何对客流量进行建模预测及模型优化
4、回归季节预测模型模型
回归季节模型的原理及应用场景
加法季节模型
乘法季节模型
模型解读
案例：美国航空旅客里程的季节性趋势分析
5、新产品累计销量的S曲线
S曲线模型的应用场景（最大累计销量及销量增长的拐点）
珀尔曲线
龚铂兹曲线
案例：如何预测产品的销售增长拐点，以及销量上限
演练：预测IPad产品的销量
第六部分：定量模型评估
1、定量预测模型的评估
方程显著性评估
因素显著性评估
拟合优度的评估
估计标准误差评估
预测值准确度评估
2、模型拟合度评估
判定系数：
调整判定系数：
3、预测值准确度评估
平均绝对误差：MAE
根均方差：RMSE
平均误差率：MAPE
4、其它评估：残差检验、过拟合检验
第七部分：时序预测模型
营销问题：像利率/CPI/GDP等按时序变化的指标如何预测？当销量随季节周期变动时该如何预测？
1、回归预测vs时序预测
2、因素分解思想
3、时序预测常用模型
趋势拟合
季节拟合
平均序列拟合
4、评估预测值的准确度指标：MAD、RMSE、MAPE
5、移动平均（MA）
应用场景及原理
移动平均种类
一次移动平均
二次移动平均
加权移动平均
移动平均比率法
移动平均关键问题
如何选取最优参数N
如何确定最优权重系数
演练：平板电脑销量预测及评估
演练：快销产品季节销量预测及评估
6、指数平滑（ES）
应用场景及原理
最优平滑系数的选取原则
指数平滑种类
一次指数平滑
二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）
三次指数平滑
演练：煤炭产量预测
演练：航空旅客量预测及评估
7、温特斯季节预测模型
适用场景及原理
Holt-Winters加法模型
Holt-Winters乘法模型
演练：汽车销量预测及评估
8、平稳序列模型（ARIMA）
序列的平稳性检验
平稳序列的拟合模型
AR(p)自回归模型
MA(q)移动模型
ARMA(p,q)自回归移动模型
模型的识别与定阶
ACF图/PACF图
最小信息准则
序列平稳化处理
变量变换
k次差分
d阶差分
ARIMA(p,d,q)模型
演练：上海证券交易所综合指数收益率序列分析
演练：服装销售数据季节性趋势预测分析
平稳序列的建模流程
第八部分：分类预测模型
问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？
1、分类模型概述及其应用场景
2、常见分类预测模型
3、逻辑回归（LR）
逻辑回归的适用场景
逻辑回归的模型原理
逻辑回归分类的几何意义
逻辑回归的种类
二项逻辑回归
多项逻辑回归
如何解读逻辑回归方程
带分类自变量的逻辑回归分析
多项逻辑回归/多分类逻辑回归
案例：如何评估用户是否会购买某产品（二项逻辑回归）
案例：多品牌选择模型分析（多项逻辑回归）
4、分类决策树（DT）
问题：如何预测客户行为？如何识别潜在客户？
风控：如何识别欠贷者的特征，以及预测欠贷概率？
客户保有：如何识别流失客户特征，以及预测客户流失概率？
决策树分类简介
案例：美国零售商（Target）如何预测少女怀孕
演练：识别银行欠货风险，提取欠贷者的特征
决策树分类的几何意义
构建决策树的三个关键问题
如何选择最佳属性来构建节点
如何分裂变量
修剪决策树
选择最优属性生长
熵、基尼索引、分类错误
属性划分增益
如何分裂变量
多元划分与二元划分
连续变量离散化（最优分割点）
修剪决策树
剪枝原则
预剪枝与后剪枝
构建决策树的四个算法
C5.0、CHAID、CART、QUEST
各种算法的比较
如何选择最优分类模型？
案例：商场用户的典型特征提取
案例：客户流失预警与客户挽留
案例：识别拖欠银行货款者的特征，避免不良货款
案例：识别电信诈骗者嘴脸，让通信更安全
多分类决策树
案例：不同套餐用户的典型特征
决策树模型的保存与应用
5、人工神经网络（ANN）
神经网络概述
神经网络基本原理
神经网络的结构
神经网络分类的几何意义
神经网络的建立步骤
神经网络的关键问题
BP反向传播网络（MLP）
径向基网络（RBF）
案例：评估银行用户拖欠货款的概率
6、判别分析（DA）
判别分析原理
判别分析种类
Fisher线性判别分析
案例：MBA学生录取判别分析
案例：上市公司类别评估
7、最近邻分类（KNN）
KNN模型的基本原理
KNN分类的几何意义
K近邻的关键问题
8、支持向量机（SVM）
SVM基本原理
线性可分问题：最大边界超平面
线性不可分问题：特征空间的转换
维灾难与核函数
9、贝叶斯分类（NBN）
贝叶斯分类原理
计算类别属性的条件概率
估计连续属性的条件概率
预测分类概率（计算概率）
拉普拉斯修正
案例：评估银行用户拖欠货款的概率
第九部分：定性模型评估
1、模型的评估指标
两大矩阵：混淆矩阵，代价矩阵
六大指标：Acc,P,R,Spec,F1,lift
三条曲线：
ROC曲线和AUC
PR曲线和BEP
KS曲线和KS值
2、模型的评估方法
原始评估法
留出法（Hold-Out）
交叉验证法（k-fold cross validation）
自助采样法（Bootstrapping）
第十部分：模型集成优化
1、模型的优化思路
2、集成算法基本原理
单独构建多个弱分类器
多个弱分类器组合投票，决定预测结果
3、集成方法的种类
Bagging
Boosting
Stacking
4、Bagging集成
数据/属性重抽样
决策依据：少数服从多数
典型模型：随机森林RF
5、Boosting集成
基于误分数据建模
样本选择权重更新公式
决策依据：加权投票
典型模型：AdaBoost模型
6、其它高级集成算法：GBDT，XGBoost等
结束：课程总结与问题答疑。
