课程大纲：

大数据挖掘与分析培训

内容概要： 
1.介绍SPSS Modeler数据挖掘软件的功能和基本操作；
2.学习如何使用SPSS Modeler完成数据挖掘过程；
3.学习机器学习的常见技术，例如神经网络、决策树、聚类、关联分析、回归分析和社会网络用户情感分析等，并学习如何将它们应用到业务数据。
4.结合实际案例以及上机操作讲解

培训内容： 
1.数据挖掘简介
数据挖掘的概念
CRISP-DM方法论
SPSS Modeler 18简介
2.数据理解
数据理解
缺失值定义
数据审核节点介绍
分布图节点----初步理解字符型字段的分
直方图/统计节点----初步理解数值型字段的分布
常用数据分析图画法
3.SPSS Modeler分类技术
决策树技术
Logistics回归
神经网络
贝叶斯分类器
4.SPSS Modeler细分技术
Kohonen网络/两步聚类/K-means
5.SPSS Modeler关联分析技术
常见的回归分析Carma/Apriori
序列节点
6.SPSS Modeler自动建模技术
自动聚类节点
自动分类节点
自动数值节点
7.SPSS Modeler其他技术
线性回归
特征选择
支持向量机（SVM）
主成分/因子分析
8.SPSS Modeler模型评估技术
评估图
分析节点

案例1：银行客户数据分析 
以客户信用记录、消费历史记录数据为基础，使用IBM SPSS Modeler，分析决定用户信用等级的主要因素是什么？并给与解释。信用额度和信用评分有何关系？给出欺诈的判断模型。分析客户人口属性对银行信贷和信用评分有无影响。分析逾期还款的客户有什么特征？根据消费历史分析各类客户的特征。
案例2：大众点评网的用户偏好分析
到大众点评网抓取多家火锅店的店名、位置、点评条数、人均消费额、口味评分（均分）、环境评分（均分）、服务评分（均分）、点评的均分、有无团购、有无送外卖、有无订座等数据（还可以采集标签等数据），对火锅店进行分类、找出每类火锅店的特征，并分析点评均分与其他变量之间的关系。为新开设火锅店选址提供指导；为用户推荐火锅店。
案例3：制造企业质量数据挖掘 
本项目在中天耐热导线工厂最近2年的质量管理数据的基础上，分析了这些数据存在的问题，进行了大量的预处理，利用统计学、多维度分析、数据挖掘以及可视化等多种数据分析方法，以优化耐热导线的制造过程。
案例4：电商客户情感分析 
通过抓取对典型电商客户的评论，分析客户对于某个商品多个维度的态度和情感倾向，以及客户注重商品属性所在，商品的卖点、不足以及同类商品竞争力对比。

大数据挖掘与分析培训