Python數(shù)據(jù)建模(分類篇)

  培訓講師：傅一航

講師背景：
傅一航，華為系大數(shù)據(jù)專家。傅一航，男，計算機軟件與理論碩士研究生（研究方向：數(shù)據(jù)挖掘、搜索引擎）。在華為工作十年，五篇國家專利，在華為工作期間獲得華為數(shù)項獎項，曾在英國、日本、荷蘭等國家做項目，對大數(shù)據(jù)有深入的研究。傅老師專注于大數(shù)據(jù)分析與 詳細>>

傅一航
    課程咨詢電話：

Python數(shù)據(jù)建模(分類篇)詳細內(nèi)容

Python數(shù)據(jù)建模(分類篇)

Python數(shù)據(jù)建模（分類模型篇）【課程目標】
本課程主要講解如何利用Python進行分類數(shù)據(jù)建模。
通過本課程的學習，達到如下目的：
掌握數(shù)據(jù)建模的標準流程。
掌握各種分類預測模型的原理，以及算法實現(xiàn)。
掌握各種分類模型類的重要參數(shù)，以及應用。
掌握模型的評估指標、評估方法，以及過擬合評估。
掌握模型優(yōu)化的基本方法，學會超參優(yōu)化。
掌握集成優(yōu)化思想，掌握高級的分類模型。
【授課時間】
2-5天時間
（要根據(jù)學員的實際情況調整重點內(nèi)容及時間）
【授課對象】
業(yè)務支持部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部、大數(shù)據(jù)分析中心、網(wǎng)絡運維部等相關技術人員。
【學員要求】
每個學員自備一臺便攜機(必須)。
便攜機中事先安裝好Python 3.9版本及以上。
安裝好Numpy,Pandas,statsmodels,sklearn,scipy等常用庫。
注：講師現(xiàn)場提供分析的數(shù)據(jù)源。
【授課方式】
建模流程+ 案例演練 + 開發(fā)實踐 + 可視化呈現(xiàn)
采用互動式教學，圍繞業(yè)務問題，展開數(shù)據(jù)分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。
【課程大綱】
預測建?；A
數(shù)據(jù)建模六步法
選擇模型：基于業(yè)務選擇恰當?shù)臄?shù)據(jù)模型
屬性篩選：選擇對目標變量有顯著影響的屬性來建模
訓練模型：采用合適的算法，尋找到最合適的模型參數(shù)
評估模型：進行評估模型的質量，判斷模型是否可用
優(yōu)化模型：如果評估結果不理想，則需要對模型進行優(yōu)化
應用模型：如果評估結果滿足要求，則可應用模型于業(yè)務場景
數(shù)據(jù)挖掘常用的模型
數(shù)值預測模型：回歸預測、時序預測等
分類預測模型：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡、支持向量機等
市場細分：聚類、RFM、PCA等
產(chǎn)品推薦：關聯(lián)分析、協(xié)同過濾等
產(chǎn)品優(yōu)化：回歸、隨機效用等
產(chǎn)品定價：定價策略/最優(yōu)定價等
屬性篩選/特征選擇/變量降維
基于變量本身特征
基于相關性判斷
因子合并（PCA等）
IV值篩選（評分卡使用）
基于信息增益判斷（決策樹使用）
訓練模型及實現(xiàn)算法
模型原理
算法實現(xiàn)
模型評估
評估指標
評估方法
過擬合評估
模型優(yōu)化
優(yōu)化模型：選擇新模型/修改模型
優(yōu)化數(shù)據(jù)：新增顯著自變量
優(yōu)化公式：采用新的計算公式
模型應用
模型解讀
模型部署
模型應用
好模型是優(yōu)化出來的
分類模型評估
三個方面評估：指標、方法、過擬合
兩大矩陣
混淆矩陣
代價矩陣
六大指標
正確率Accuracy
查準率Precision
查全率Recall
特異度Specify
F度量值（F1/Fβ）
提升指標lift
三條曲線
ROC曲線和AUC
PR曲線和BEP
KS曲線和KS值
多分類模型評估指標
宏指標：macro_P, macro_R宏指標：micro_P, micro_R模型評估方法
原始評估法
留出法（Hold-Out）
交叉驗證法（k-fold cross validation）
自助采樣法（Bootstrapping）
其它評估
過擬合評估：學習曲線
殘差評估：白噪聲評估
邏輯回歸
問題：如何評估客戶購買產(chǎn)品的可能性？如何預測客戶行為？
如何預測客戶流失？銀行如何實現(xiàn)欠貸風險控制？
邏輯回歸模型簡介
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
邏輯回歸方程解讀
帶分類自變量的邏輯回歸
邏輯回歸的算法實現(xiàn)及優(yōu)化
迭代樣本的隨機選擇
變化的學習率
邏輯回歸+正則項
求解算法與懲罰項的互斥關系
多元邏輯回歸處理
ovoovr邏輯回歸建模過程
案例：用sklearn庫實現(xiàn)銀行貸款違約預測
案例：訂閱者用戶的典型特征（二元邏輯回歸）
案例：通信套餐的用戶畫像（多元邏輯回歸）
決策樹
分類決策樹簡介
演練：識別銀行欠貨風險，提取欠貸者的特征
決策樹的三個關鍵問題
最優(yōu)屬性選擇
熵、基尼系數(shù)
信息增益、信息增益率
屬性最佳劃分
多元劃分與二元劃分
連續(xù)變量最優(yōu)劃分
決策樹修剪
剪枝原則
預剪枝與后剪枝
構建決策樹的算法
C5.0、CHAID、CART、QUEST
各種算法的比較
決策樹的超參優(yōu)化
決策樹的解讀
決策樹建模過程
案例：商場酸奶購買用戶特征提取
案例：客戶流失預警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
案例：電力竊漏用戶自動識別
人工神經(jīng)網(wǎng)絡
神經(jīng)網(wǎng)絡簡介（ANN）
神經(jīng)元基本原理
加法器
激活函數(shù)
神經(jīng)網(wǎng)絡的結構
隱藏層數(shù)量
神經(jīng)元個數(shù)
神經(jīng)網(wǎng)絡的建立步驟
神經(jīng)網(wǎng)絡的關鍵問題
BP算法實現(xiàn)
MLP多層神經(jīng)網(wǎng)絡
案例：評估銀行用戶拖欠貨款的概率
案例：神經(jīng)網(wǎng)絡預測產(chǎn)品銷量
支持向量機（SVM）
支持向量機簡介
適用場景
支持向量機原理
支持向量
最大邊界超平面
線性不可分處理
松弛系數(shù)
非線性SVM分類
常用核函數(shù)
線性核函數(shù)
多項式核
高斯RBF核
核函數(shù)的選擇原則
模型集成優(yōu)化篇
模型的優(yōu)化思想
集成模型的框架
Bagging
Boosting
Stacking
集成算法的關鍵過程
弱分類器如何構建
組合策略：多個弱學習器如何形成強學習器
Bagging集成算法
數(shù)據(jù)/屬性重抽樣
決策依據(jù)：少數(shù)服從多數(shù)
隨機森林RandomForestBoosting集成算法
基于誤分數(shù)據(jù)建模
樣本選擇權重更新
決策依據(jù)：加權投票
AdaBoost模型
GBDT模型
XGBoost模型
LightGBM模型
案例實戰(zhàn)
客戶流失預測和客戶挽留模型
銀行欠貸風險預測模型
結束：課程總結與問題答疑。

 

傅一航老師的其它課程

數(shù)據(jù)分析方法及生產(chǎn)運營實際應用【課程目標】本課程主要介紹數(shù)據(jù)分析在生產(chǎn)運營過程中的應用，適用于制造行業(yè)/保險行業(yè)的數(shù)據(jù)分析人員等。本課程的主要目的是，幫助學員了解大數(shù)據(jù)的本質，培養(yǎng)學員的數(shù)據(jù)意識和數(shù)據(jù)思維，掌握常用的統(tǒng)計分析方法和工具，以及生產(chǎn)、運營過程中的應用，并以概率的方式來進行決策，提升學員的數(shù)據(jù)分析及應用能力。本課程具體內(nèi)容包括：數(shù)據(jù)決策邏輯，數(shù)據(jù)決

 講師：傅一航詳情

大數(shù)據(jù)建模大賽輔導實戰(zhàn)【課程目標】本課程主要面向專業(yè)人士的大數(shù)據(jù)建模競賽輔導需求（假定學員已經(jīng)完成Python建模及優(yōu)化--回歸篇/分類篇的學習）。通過本課程的學習，達到如下目的：熟悉大賽常用集成模型掌握模型優(yōu)化常用措施，掌握超參優(yōu)化策略掌握特征工程處理，以及對模型質量的影響掌握建模工程管道類(Pipeline,ColumnTransformer)的使用【授

 講師：傅一航詳情

大數(shù)據(jù)時代的精準營銷【課程目標】本課程從實際的市場營銷問題出發(fā)，了解大數(shù)據(jù)在市場營銷領域的價值以及應用。并對大數(shù)據(jù)分析與挖掘技術進行了介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務運作，支持業(yè)務策略制定以及營銷決策。通過本課程的學習，達到如下目的：了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應用。

 講師：傅一航詳情

大數(shù)據(jù)時代的精準營銷【課程目標】本課程從實際的市場營銷問題出發(fā)，了解大數(shù)據(jù)在市場營銷領域的價值以及應用。并對大數(shù)據(jù)分析與挖掘技術進行了介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務運作，支持業(yè)務策略制定以及營銷決策。通過本課程的學習，達到如下目的：了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應用。

 講師：傅一航詳情

大數(shù)據(jù)決策思維與商業(yè)模式創(chuàng)新，賦能企業(yè)增長【課程目標】本課程主要幫助大家理解大數(shù)據(jù)的基本概念，著重探索大數(shù)據(jù)的本質，理解大數(shù)據(jù)的核心價值，以及掌握實現(xiàn)大數(shù)據(jù)價值的三個關鍵環(huán)節(jié)，大數(shù)據(jù)解決業(yè)務問題的六個步驟，然后聚焦大數(shù)據(jù)的七大核心思維，最后，再用案例說明了大數(shù)據(jù)在各行業(yè)的應用場景。大數(shù)據(jù)思維，讓決策更科學！讓管理更高效！讓營銷更精準！通過本課程的學習，達到如

 講師：傅一航詳情

大數(shù)據(jù)思維與應用創(chuàng)新【課程目標】本課程主要幫助大家理解大數(shù)據(jù)的基本概念，著重探索大數(shù)據(jù)的本質，理解大數(shù)據(jù)的核心價值，以及掌握實現(xiàn)大數(shù)據(jù)價值的三個關鍵環(huán)節(jié)，大數(shù)據(jù)解決業(yè)務問題的六個步驟，然后聚焦大數(shù)據(jù)的七大核心思維，最后，再用案例說明了大數(shù)據(jù)在各行業(yè)的應用場景。大數(shù)據(jù)思維，讓決策更科學！讓管理更高效！讓營銷更精準！通過本課程的學習，達到如下目的：了解大數(shù)據(jù)基本

 講師：傅一航詳情

大數(shù)據(jù)思維與應用創(chuàng)新【課程目標】本課程主要幫助大家理解大數(shù)據(jù)的基本概念，著重探索大數(shù)據(jù)的本質，理解大數(shù)據(jù)的核心價值，以及掌握實現(xiàn)大數(shù)據(jù)價值的三個關鍵環(huán)節(jié)，大數(shù)據(jù)解決業(yè)務問題的六個步驟，然后聚焦大數(shù)據(jù)的七大核心思維，最后，再用案例說明了大數(shù)據(jù)在各行業(yè)的應用場景。大數(shù)據(jù)思維，讓決策更科學！讓管理更高效！讓營銷更精準！通過本課程的學習，達到如下目的：了解大數(shù)據(jù)基本

 講師：傅一航詳情

大數(shù)據(jù)思維與應用創(chuàng)新【課程目標】本課程主要幫助大家理解大數(shù)據(jù)的基本概念，著重探索大數(shù)據(jù)的本質，理解大數(shù)據(jù)的核心價值，以及掌握實現(xiàn)大數(shù)據(jù)價值的三個關鍵環(huán)節(jié)，大數(shù)據(jù)解決業(yè)務問題的六個步驟，然后聚焦大數(shù)據(jù)的七大核心思維，最后，再用案例說明了大數(shù)據(jù)在各行業(yè)的應用場景。大數(shù)據(jù)思維，讓決策更科學！讓管理更高效！讓營銷更精準！通過本課程的學習，達到如下目的：了解大數(shù)據(jù)基本

 講師：傅一航詳情

大數(shù)據(jù)挖掘工具:SPSSStatistics入門與提高【課程目標】本課程為數(shù)據(jù)分析和挖掘的工具篇，本課程面向數(shù)據(jù)分析部等專門負責數(shù)據(jù)分析與挖掘的人士，專注大數(shù)據(jù)挖掘工具SPSSStatistics的培訓。IBMSPSS工具是面向非專業(yè)人士的高級的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能夠解決更復雜的業(yè)務問題，比如影響因素分析、客戶行為預測/精

 講師：傅一航詳情

金融行業(yè)風險預測模型實戰(zhàn)【課程目標】本課程專注于金融行業(yè)的風控模型，面向數(shù)據(jù)分析部等專門負責數(shù)據(jù)分析與建模的人士。本課程的主要目的是，培養(yǎng)學員的大數(shù)據(jù)意識和大數(shù)據(jù)思維，掌握常用的數(shù)據(jù)分析方法和數(shù)據(jù)分析模型，并能夠用于對客戶行為作分析和預測，提升學員的數(shù)據(jù)分析綜合能力。通過本課程的學習，達到如下目的：掌握數(shù)據(jù)分析和數(shù)據(jù)建模的基本過程和步驟掌握客戶行為分析中常用

 講師：傅一航詳情

COPYRIGT @ 2001-2018 HTTP://m.fanshiren.cn INC. ALL RIGHTS RESERVED. 管理資源網(wǎng) 版權所有