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

【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 SPSS Statistics 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。

 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

²  二项逻辑回归

²  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。