应用SAS_EM进行数据挖掘[公开课].pptVIP

应用SAS/EM进行数据挖掘;议程;企业决策支持信息系统;什么是数据挖掘？;;数据挖掘涉及领域;数据挖掘算法（按有无目标变量）;① 预测 用过去的数据预测 未来发生什么 ;回归算法：线性回归、逻辑回归、概率回归 统计方法：主成分分析、因子分析、判别分析等 关联算法：关联模式、序列模式、连接分析等 聚类算法：Cluster、SOM/Kohonen 神经元网络：MLP、RBF 决策树：CHAID、CART、C4.5、C5.0;x2;Time 13;time method # of order ratio # of ordered items ;Combination A ? D A ? C C ? A B C ? D; ;议程;SAS 数据挖掘项目方法论?;企业化经典统计数据分析工具 统计分析：STAT,LAB,INSIGHT 计量经济学与时间序列分析：ETS 运筹优化：OR 质量控制与质量提高：QC 矩阵编程语言：IML 图形与分析工具：GRAPH Thin Client: Enterprise Guide 数据挖掘工具：SAS/Enterprise Miner 傻瓜兼专家型 ;EM基本介绍;SAS/EM特色;SAS/EM 界面;数据取样 SAMPLE;节点简介：Sampling类节点;节点简介： Explore类节点;节点简介： Modify类节点;节点简介： Model类节点;节点简介： Assess类节点;节点简介： Scoring类节点;节点简介： Utilities类节点;节点通用概貌;SAS/EM处理示例;议程;Workshop（信用风险建模）;信用风险的业务问题;定义我们关注的高信用风险;信用周期 - Applying;信用周期 - Behaviour;信用周期 - Collection;Workshop（信用风险建模）;定义所需数据;信用风险分析数据集市;① 哪些客户?;TargetDefinition;② 哪些属性?;使用业务知识派生变量;使用RFM方法派生变量;Workshop（信用风险建模）;数据挖掘与采样;针对小概率事件的过采样;数据分割;Exploration 阶段;Distribution Explorer节点;Multiplot 节点;Modify 阶段;Replacement 节点;Transform Variables 节点;Variable Selection 节点;Workshop（信用风险建模）;建立预测模型;EM回归节点;EM神经网络节点;EM决策树节点;Workshop（信用风险建模）;Assessment 阶段;Assessment 节点;结果的鉴别;二值目标的混淆矩阵（Confusion Matrix）;分界（Cutoff）概率;Workshop（信用风险建模）;模型实施;Scoring;设计Strategy;信用记分模型实施的时间窗;结束