基于SPSS Modeler 十个案例玩转数据挖掘课程大纲

案例1

评估新车设计(汽车业)：某汽车制造商开发两种新车(汽车及卡车)的原型。在将新车型引入至产品系列之前，制造商想知道竞争对手已经上市的车辆中，哪些与这两款产品的原型最为相似，以确定这两种新车将与哪些车型展开竞争。此案例将采用K最近邻居(K Nearest Neighbor; KNN)来建模。

案例2

电信客户流失(电信业)：某电信服务提供商非常关注客户流失到竞争对手的数量。假如服务使用的数据可以用来预测哪些客户有可能被转移到另一个供货商，则此供货商可提供客制化的优惠，以尽可能留住客户。此案例将采用二元罗吉斯回归(Binomial Logistic Regression)来预测客户的流失。

案例3

药物治疗(医疗业)：某医学研究中心收集许多患有某疾病的病患数据，并记录哪一种药物对病患是有疗效的(总共有五种针对此疾病的药物)。此案例将采用决策树 C5.0(Decision Tree C5.0)找出，哪种药物适用于哪一种类型的病人。

案例4

预测贷款逾期者(银行业)：某银行希望根据客户过去的贷款数据，利用贝式网络(Bayesian Network)来建模，以便用模型来预测新的贷款者，核贷后会逾期的机率，以做为银行是否核贷的依据，或提供给客户其他类型的贷款产品。

案例5

电信客户分类(电信业)：某电信服务提供商透过客户使用服务的方式，将客户分为四类人。此案例的目的是想根据人口统计数据，利用多元罗吉斯回归(Multinomial Logistic Regression)来找出这四类人的特征，并发掘这四类人的潜在新客户。

案例6

细胞样本分类(医疗业)：某医学研究中心收集癌症病患的细胞样本特征数据，以便进行研究。原始的数据中显示良性样本与恶性样本间的许多特征有显著的差异。此案例的目的是想利用支持向量机(Support Vector Machine)来建模，以便用模型来提早发现某样本是良性还是恶性的样本。

案例7

零售业销售促销(零售业)：此案例的目的是想根据零售产品过去的促销记录，利用神经网络及回归树(Neural Network & Regression Tree)来预测未来的销售成效。

案例8

预测带宽使用率(通讯业)：某全国宽带网络供货商的分析师需进行客户使用网络流量的预估，以便预测带宽的使用。全国网络的使用是全国各局域网络使用的加总，因此分析师需逐一对每个区域市场进行带宽使用的预测。

案例9

预测型录商品的销售(零售业)：某型录公司希望根据过去10年的销售记录，来预测男装生产线每月的销售。此案例的目的是想利用两个时间序列模型-指数平滑(Exponential Smoothing)和ARIMA来解决这个问题。

案例10

个人信息及每次购买商品的数据，利用关联模型(Apriori)和决策树C5.0(Decision Tree C5.0)来发掘购买类似商品的客群，以及客群的特征(例如，年龄、收入、等)。

WEKA-大数据的分析与应用课程大纲

第一部分: 大數據時代(The Era of Big Data)

1.大数据的起源及其未来趋势

2.大数据与智能手机、感知装置、物联网、社群媒体及云计算的关系

3.大数据应用的成功案例

4.大数据时代的思维变革

5.社群数据与移动的应用

6.文本数据下的舆情分析

第二部分: 数据挖掘基础(Basic Concept)

1.大数据的核心关键技术-数据挖掘

2.数据挖掘的发展历程、进行步骤、及产业标准(CRISP DM vs. SEMMA)

3.基本数据挖掘技术简介(查询工具、统计技术、可视化技术、K-最近邻技术、…)

4.进阶数据挖掘技术简介(分类、预测、关联规则、序列型样、聚类、…)

5.WEKA简介及操作接口(Explore, Experimenter, Knowledge Flow,Command Line)说明

第三部分: 数据挖掘技术(Data Mining Techniques)及实务建模(Practical Models)

1.数据前处理(Data Preprocessing)

*字段的选择：多重数据源的整合、建立区隔化模型

*数据的清洗：数据质量报告(Data Quality Report)的制作、空值(Missing Value)、错误值(Wrong Value)及离群值(Outlier)的侦测及处理方式

*字段的扩充：外部数据的整并及内部数据的统整

*数据的编码：

(1)数据正规化(Data Normalization)技术

(2)数据一般化(Generalization)技术

(3)数据离散化(Data Discretization)技术

(4)数据连续性指派(Continuousness Arbitrary)技术

(5)记录精简(Record Reduction)技术

(6)域值精简(Value Reduction)技术

(7)字段精简(Attribute Reduction)技术

*如何将原始数据依母体目标字段上的比例分成训练及测试数据集

*10-折交叉验证(10-Fold Cross Validation)

2.关键字段/变量发掘技术

(1)银行信用风险评估之进件评分卡(Application Scorecard)案例

(2)玻璃制品分类案例

3.分类技术(Classification Techniques) – 贝氏网络 (Bayes Net)

(1)糖尿病预测案例

(2)天气预测案例

4.预测技术(Prediction Techniques) – 线性回归 (Linear Regression)

(1)汽车油耗预测案例

(2)CPU效能预测案例

5.分类及预测技术 (Classification & Prediction Techniques) – 决策树 (Decision Tree)

(1)电信产品跨销售(Cross-Selling)案例

(2)影像(Image)数据分类案例

(3)乳腺癌(Breast Cancer)预测案例

6.分类及预测技术 (Classification & Prediction Techniques) – 类神经网络 (Neural Network)

(1)可视化工具(Boundary Visualizer)实作

(2)便利超商(Convenience_Store)选点案例

(3)房价(Home Price)预测案例

7.分类技术 (Classification Techniques) – 罗吉斯回归 (Logistic Regression)及支持向量机 (Support Vector Machine)

(1)糖尿病预测案例

(2)电信客户流失案例

8.聚类技术(Clustering Techniques) – K-Means, Kohonen SOM, Two-Step

(1)银行客户聚类(Customer Segmentation)及营销活动设计案例

(2)鸢尾花案例

9.关联规则及序列型样技术(Association Rules & Sequential Patterns Techniques) – Apriori & AprioriAll

（1）零售购物篮分析案例

(2) 零售向上销售(Up-Selling)案例

10.WEKA处理大数据及与其他系统的链接

(1)LED分析案例(5亿笔数据、5GB大小)

(2)Java实作与Weka的链接