小SAO货边洗澡边CAO你动漫,24小时日本在线观看免费高清 ,色欲综合视频天天天综合网站,精品亚洲卡一卡2卡三卡乱码

數據挖掘技術

培訓受眾:
業(yè)務支持部、IT系統(tǒng)部、大數據系統(tǒng)開發(fā)部、大數據分析中心、信息技術部等相關技術人員。

課程收益:
目的：掌握SAS語言，掌握數據挖掘

課程大綱:
第一部分：SAS基礎
1、SAS簡介和構成
2、SAS的主要模塊和功能
3、SAS的四種運行模式
－窗口環(huán)境模式
－非交互模式
－交互式運行模式
－批處理模式
4、掌握SAS的基本數據結構和數據對象
－邏輯庫、邏輯引擎、數據集、數據文件、視圖
5、SAS基本程序結構
－數據步（DATA STEP）
－過程步（PROC STEP）
6、SAS基本語言介紹
7、數據集的操作
－從文本文件獲取
－從外部數據庫獲取
－數據集導出到外部文件
－讀取、瀏覽、編輯數據集
－創(chuàng)建、編輯、修改、刪除
8、對多個數據集的操作
－橫向合并
－縱向串接
9、SAS SQL語言
10、    SAS宏語言
案例：演練SAS編程語句

第二部分：數據可視化處理
1、數據報表輸出
－基本報表
－高級報表
2、統(tǒng)計圖形
－GCHART過程
－GPLOT過程
－CAPABILITY過程
3、各種圖形的畫法
－柱狀圖/條形圖
－餅圖
－折線圖
－散點圖/氣泡圖
4、繪圖的美化技巧
案例：用SAS作圖來實現產品銷量分析

第三部分：數據統(tǒng)計分析
1、描述性統(tǒng)計分析
－集中程序
－離散程序
－分布形態(tài)
2、參數估計與假設檢驗
－單樣本均值T檢驗
－獨立兩樣本均值T檢驗
－配對兩樣本均值T檢驗
3、非參數檢驗文件操作處理
－單樣本
－獨立兩樣本
－配對兩樣本
4、影響因素分析
－相關分析：原理、公式、應用
－方差分析：原理、公式、應用
－卡方分析：原理、公式、應用
－主成分分析/因子分析：降維
案例：掌握常用的過程對數據進行分析

第四部分：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(yè)理解
－數據準備
－數據理解
－模型建立
－模型評估
－模型應用
3、數據挖掘常用任務與算法

第五部分：聚類分析（客戶細分）實戰(zhàn)
1、客戶細分常用方法
2、聚類分析（Clustering）
－聚類方法原理介紹及適用場景
－常用聚類分析算法
－聚類算法的評價
案例：使用FASTCLUS實現K均值聚類
案例：使用CLUSTER實現層次聚類法
3、判別分析
－判別分析法原理
－判別分析常見方法：距離判別、Bayes判別、Fisher判別
案例：使用DISCRIM、CANDISC、STEPDISC實現判別分析
4、RFM模型分析
－RFM模型，更深入了解你的客戶價值
－RFM模型與市場策略
案例：航空公司客戶價值分析

第六部分：數值預測模型實戰(zhàn)
1、常用數值預測的模型
－通用預測模型：回歸模型
－季節(jié)性預測模型：相加、相乘模型
－新產品預測模型：珀爾曲線與龔鉑茲曲線
2、回歸分析概念
3、常見回歸分析類別
4、回歸分析檢驗
－模型的顯著性檢驗
－回歸系數的顯著性檢驗
－殘差檢驗
－擬合程度
－共線性診斷
案例：回歸分析

第七部分：分類預測模型實戰(zhàn)
1、常見分類預測的模型與算法
2、如何評估分類預測模型的質量
－查準率
－查全率
－ROC曲線
3、邏輯回歸分析模型
－邏輯回歸的原理
－邏輯回歸建模的步驟
－邏輯回歸結果解讀
4、時間序列分析
案例：用LOGISTIC過程實現銀行貸款違約預測

第八部分：SAS優(yōu)化建模
1、優(yōu)化模型的基本概念
2、優(yōu)化建模的步驟
3、線性規(guī)劃問題
案例：使用OPTMODEL建立線性規(guī)劃模型

第九部分：SAS智能平臺構建及行業(yè)解決方案
1、構建SAS解決方案平臺
2、平臺的體系架構設計
3、實現SAS應用服務器集群
4、平臺的安全管理

第十部分：輔導

數據挖掘技術