当前位置: 首页 > 内训课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料
Python数据挖掘专题实战培训

Python数据挖掘专题实战培训

课程编号：32153

课程价格：￥26000/天

课程时长：5 天

课程人气：288

行业类别：行业通用     

专业类别：大数据 

授课讲师：傅一航

  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】
业务支持部、IT系统部、大数据系统开发部、大数据分析中心、网络运维部等相关技术人员。

【培训收益】


第一部分：数据挖掘基础
1、数据挖掘概述
2、数据挖掘的标准流程（CRISP-DM）
商业理解
数据准备
数据理解
模型建立
模型评估
模型应用
案例：客户流失预测及客户挽留
3、数据挖掘常用模型

第二部分：数据预处理篇
1、数据预处理的主要任务
数据集成：多个数据集的合并
数据清理：异常值的处理
数据处理：数据筛选、数据精简、数据平衡
变量处理：变量变换、变量派生、变量精简
数据归约：实现降维，避免维灾难
2、数据集成
数据追加（添加数据）
变量合并（添加变量）
3、数据理解（异常数据处理）
取值范围限定
重复值处理
无效值/错误值处理
缺失值处理
离群值/极端值处理
数据质量评估
4、数据准备：数据处理
数据筛选：数据抽样/选择（减少样本数量）
数据精简：数据分段/离散化（减少变量的取值个数）
数据平衡：正反样本比例均衡
5、数据准备：变量处理
变量变换：原变量取值更新，比如标准化
变量派生：根据旧变量生成新的变量
变量精简：降维，减少变量个数
6、数据降维
常用降维的方法
如何确定变量个数
特征选择：选择重要变量，剔除不重要的变量
从变量本身考虑
从输入变量与目标变量的相关性考虑
对输入变量进行合并
因子分析（主成分分析）
因子分析的原理
因子个数如何选择
如何解读因子含义
案例：提取影响电信客户流失的主成分分析
7、数据探索性分析
常用统计指标分析
单变量：数值变量/分类变量
双变量：交叉分析/相关性分析
多变量：特征选择、因子分析
演练：描述性分析（频数、描述、探索、分类汇总）
8、数据可视化
数据可视化：柱状图、条形图、饼图、折线图、箱图、散点图等
图形的表达及适用场景
演练：各种图形绘制

第三部分：用户专题分析
1、用户专题分析的主要任务
2、客户群细分与聚类分析
问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？
聚类方法原理介绍
聚类方法作用及其适用场景
聚类分析的种类
K均值聚类
案例：移动三大品牌细分市场合适吗？
演练：宝洁公司如何选择新产品试销区域？
演练：如何评选优秀员工？
演练：中国各省份发达程度分析，让数据自动聚类
最优K值选择
Elbow手肘法
Silhouette Coefficient轮廓系数
Calinski-Harabasz Index准则
双聚类bicluster及评估
谱聚类联合
联合谱聚类SpectralCoclustering
双向谱聚类SpectralBiclustering
DBSCAN邻近聚类
3、客户喜好评估与主成分分析PCA
营销问题：如何汇聚大众的共同喜好？
主成分分析方法介绍
主成分分析基本思想
主成分分析步骤
案例：如何评估汽车购买者的客户细分市场
4、客户价值评估与RFM模型
营销问题：如何评估客户的价值？不同的价值客户有何区别对待？
RFM模型（客户价值评估）
RFM模型，更深入了解你的客户价值
RFM模型与市场策略
RFM模型与活跃度分析
案例：淘宝客户价值评估与促销名单
案例：重购用户特征分析

第四部分：产品专题分析
1、产品专题分析主要任务
产品设计分析
市场占有分析
累计销量分析
定价策略分析
2、产品设计优化（联合分析法）
问题：如何设计最优的功能特征？
评估功能特征的重要性
评估功能特征的价值
案例：产品开发与设计分析
3、产品评估模型（随机效用理论）
属性重要性评估
市场占有率评估
产品价格弹性评估
评估产品的品牌价值
动态调价（纳会均衡价格）
案例：品牌价值与价格敏感度分析
案例：纳什均衡价格

第五部分：产品定价策略
营销问题：产品如何实现最优定价？套餐价格如何确定？采用哪些定价策略可达到利润最大化？
1、常见的定价方法
2、产品定价的理论依据
需求曲线与利润最大化
如何求解最优定价
案例：产品最优定价求解
3、如何评估需求曲线
价格弹性
曲线方程（线性、乘幂）
4、如何做产品组合定价
5、如何做产品捆绑/套餐定价
最大收益定价（演进规划求解）
避免价格反转的套餐定价
案例：电信公司的宽带、IPTV、移动电话套餐定价
6、非线性定价原理
要理解支付意愿曲线
支付意愿曲线与需求曲线的异同
案例：双重收费如何定价（如会费+按次计费）
7、阶梯定价策略
案例：电力公司如何做阶梯定价
8、数量折扣定价策略
案例：如何通过折扣来实现薄利多销
9、定价策略的评估与选择
案例：零售公司如何选择最优定价策略
10、航空公司的收益管理
收益管理介绍
如何确定机票预订限制
如何确定机票超售数量
如何评估模型的收益
案例：FBN航空公司如何实现收益管理（预订/超售）

第六部分：产品推荐与协同过滤
问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？
1、从搜索引擎到推荐引擎
2、常用产品推荐模型及算法
3、基于流行度的推荐
基于排行榜的推荐，适用于刚注册的用户
优化思路：分群推荐
4、基于内容的推荐CBR
关键问题：如何计算物品的相似度
优缺点
优化：Rocchio算法、基于标签的推荐、基于兴趣度的推荐
5、基于用户的推荐
关键问题：如何对用户分类/计算用户的相似度
算法：按属性分类、按偏好分类、按地理位置
6、协同过滤的推荐
基于用户的协同过滤
基于物品的协同过滤
冷启动的问题
案例：计算用户相似度、计算物品相似度
7、基于分类模型的推荐
8、其它推荐算法
LFM基于隐语义模型
按社交关系
基于时间上下文
9、多推荐引擎的协同工作


第七部分：信用评分卡模型
1、信用评分卡模型简介
2、评分卡的关键问题
3、信用评分卡建立过程
筛选重要属性
数据集转化
建立分类模型
计算属性分值
确定审批阈值
4、筛选重要属性
属性分段
基本概念：WOE、IV
属性重要性评估
5、数据集转化
连续属性最优分段
计算属性取值的WOE
6、建立分类模型
训练逻辑回归模型
评估模型
得到字段系数
7、计算属性分值
计算补偿与刻度值
计算各字段得分
生成评分卡
8、确定审批阈值
画K-S曲线
计算K-S值
获取最优阈值

第八部分：交叉销售与关联规则
1、关联规则概述
2、常用关联规则算法
Apriori算法
发现频繁集
生成关联规则
FP-Growth算法
构建FP树
提取规则
案例：使用apriori实现关联分析

10、基于关联分析的推荐
如何制定套餐，实现交叉/捆绑销售
案例：啤酒与尿布、飓风与蛋挞
关联分析模型原理（Association）
关联规则的两个关键参数
支持度
置信度
关联分析的适用场景
案例：购物篮分析与产品捆绑销售/布局优化
案例：通信产品的交叉销售与产品推荐

结束：课程总结与问题答疑。 

关于我们

行业优势

核心产品

联系我们

24小时热线：0571-86155444

商业及渠道合作：13857108608

扫一扫，关注公众号

管理培训、管理培训机构、管理培训课程、管理培训讲师、领导力培训、执行力培训、沟通培训、赋能培训


版权所有 © 杭州匠道企业管理咨询有限公司 浙ICP备18040702号-1

咨询电话：
0571-86155444
咨询热线：
  • 微信：13857108608
联系我们