Alkalmazott analitika a SAS Enterprise Minerrel

Hallgatóság

Ez a tanfolyam bevezetést nyújt az adatbányászatba és a SAS Enterprise Miner használatába. Adatelemzőknek és kvantitatív szakembereknek ajánljuk, akik szeretnék elsajátítatni a SAS Enterprise Miner analitikai funkcionalitását.

Tanfolyami leírás

Ez a háromnapos tanfolyam kézzelfogható ismereteket ad a SAS Enterprise Miner használatához. Minden alapvető és szükséges készséget lefed, amely elengedhetelen ahhoz, hogy a felhasználó a SAS Enterprise Miner gazdag eszköztárának segítségével képes legyen elemzéseket összerakni mind a mintafelismerés (szegmentáció, asszociáció, szekvenciaelemzés), mind a prediktív modellezés (döntési fa, regresszió, neurális hálók) területén. A tanfolyam komplett esettanulmányokat is áttekint az adatbázismarketing, pénzügyi szolgáltatások, webelemzés, és felsőoktatás témakörökben.

Előfeltételek

• MS Windows vagy Windows alapú szoftver ismerete
• Alap statisztikai ismeretek
• Regressziós modellezés bevezető jellegű ismerete

Tanfolyami témakörök

Bevezetés

• A SAS Enterprise Miner 5.2 áttekintése
• A SAS Enterprise Miner helye az analitikai eszközök között
• Alkalmazási példák és esettanulmányok
• Mintafelismerés és prediktív modellezés

Az előkészített adatok elérése és vizsgálata

• A SAS Enterprise Miner rendszer felépítése
• SAS Enterprise Miner projekt meghatározása
• Adatforrás meghatározása
• Adatforrás validálása

Bevezetés a mintafelismerésbe

• Klasztrezés és szegmentálás
• A Transform Variables node használata
• K-középpontú klaszter-elemzés a Clustering node segítségével
• Asszociációs és szekvencia elemzés
• Az Association node alkalmazása egy banki példán keresztül
• Az asszociációk erősségének mérése
• Szekvenciák felftárása

Bevezetés a prediktív modellezésbe döntési fákkal

• A modellezéshez szükséges adatforrás meghatározása
• Adatok partícionálása a modell építéshez
• Interaktív döntési fa építése a Desktop Tree Application segítségével
• A Decision Tree node futtatása
• A Decision Tree node opcióinak használata
• A prediktív modellezés eredményeinek értelmezése

Bevezetés a regressziós prediktív modellezésbe

• Lineáris és logisztikus regresszió öszevetése
• A Regression node használata
• Hiányzó értékek pótlása az Imput node segítségével
• A Replacement node használata az adatok értékeinek kicseréséséhez
• Az input változók szelekciója
• A regressziós modell értelmezése
• Regressziós modellek kiegészítése polinominális és keresztszorzat tagokkal

Bevezetés a prediktív modellezésbe neurális hálókkal és egyéb modell fajtákkal

• Bevezetés a neurális hálókba (MLP)
• A Neural Network node használata
• A modellszelekció az AutoNeural node segítségével
• Egyéb modellezési eszközök a SAS Enterprise Miner 5.2 verziójában

Modellek értékelése

• Apriori vektor meghatározása
• Az apriori vektor hatása a modellre
• A modell kiválasztási kritérium változtatása
• Profitmátrix meghatározása
• A Model Comparison node használata
• Bevezetés a modell illeszkedési statisztikákba

Modellimplementáció

• A "score" adatállomány meghatározása
• A Score node használata
• A bepontozott állomány exportálása SAS Code node segítségével
• Score kód használata és generálása

Extra témakörök

• A Variable Section node használata
• Modellek kombinálása az Ensemble node segítségével
• A Decision Tree node használata a kategórikus inputok konszolidálásához
• Komplex modellek magyarázata a Decision Tree node segítségével

Esettanulmányok

• Banki ügyfelek historikus tranzakciós adatainak szegmentálása
• A webes szolgáltatásokból származó adatok asszociációs elemzése
• Fogyasztói kölcsönből származó adatokon készített egyszerű risk model
• Egyetemi felvételek előrejelzése
• Response modell készítése egy biztosítási termékre