如何学习基于SPSS Modeler的数据挖掘
企业想要在竞争激烈的市场中胜出,决策的速度和反应的效率尤为重要。根据调查显示,75%的企业在面临拟定策略时,常常无法获得实时且有根据的决策信息。什么样的数据、要透过什么样的方法,才能快速且实时的转变成决策时有用的信息,是现代企业所面临最迫切性的问题。数据挖掘(Data Mining)无疑是解决这些问题最有效的途径。
一、数据挖掘定义
从现有的大量数据中,撷取不明显、之前未知、可能有用的知识。
William Frawley & Gregory Piatetsky Shapiro, 1991
数据挖掘目的:建立起决策模型,根据过去的行动来预测未来的行为
二、数据挖掘流程(CRISP-DM)
数据挖掘不是无规律可循的,在进行数据挖掘勘探工作中,我们一般遵循CRISP-DM流程。包含商业理解-数据理解-数据前处理-数据建模-模型评估-模型发布六个步骤。整个流程围绕数据为核心,其中商业理解是产生商业价值的关键步骤,数据前处理是耗时最多的步骤,建模是关键步骤。
当然,数据挖掘的流程不是至上而下的,而是循环往复的过程,比如模型评估的结果差的情况下我们可能需要返回商业和数据理解部分。
三、主流数据挖掘工具
目前主流的数据挖掘工具分开源免费和收费两大类,其中收费软件以SAS EM和IBM SPSS Modeler、Microsoft Sql Server为代表,具有权威易用、解决方案成熟等特点。开源类软件多需要编程实现,比如Python、R。具有灵活多元、可扩展性强等特点。
四、案例展示:医疗业之临床路径预测
1.商业理解
某医院搜集了200个患有同种类型疾病病人的资料。虽然得到的是同种疾病,但是不同的病人、不同的状况,需要采取不同的用药和治疗方式。我们想透过数据挖掘的方法了解到对于不同特征(血压、胆固醇、钠钾含量)的病人给予哪种药物很适合治疗康复。
2.数据理解
DRUG1N.CSV文件,一共包含7个变量,200个观测值。目标属性为用药类型。同时选取了可能有用的解释字段,包含年龄、性别、血压、胆固醇、钠含量、钾含量。
3.数据建模
①数据探索
了解各变量对目标变量的影响,类别型变量使用条形分布图,数值型变量使用直方图。
例如通过上图我们可以看出血压在影响用药上的分布,血压高中低都会有DrugY用药,而DrugA和DrugB只会在高血压的时候出现,DrugX只会在低血压和正常的时候出现,DrugC只出现在低血压,说明血压对用药的影响在目标字段上比较明显。
通过对年龄字段的探索,我们发现DrugY和DrugX、DrugC在各个年龄段都有分布,而DrugA只出现在大概50岁以下,DrugB只出现在年龄在50岁以上。
② 决策树建模
在这里,我们使用决策树建模的方法,决策树是一种非常常用的分类预测的方法。在IBM SPSS Modeler中我们只需要调用Modelering-C5.0进行建模。
可以看出,这是一个五层的决策树,通过决策树模型运行结果,我们即可对后续的样本进行预测。
4.模型评估
接入Analysis分析节点,运行之后可以发现模型准确率为96.5%。当然,这个是使用原数据集进行建模,实际建模过程中我们还需要用到训练集和测试集拆分的方法来进行建模和评估。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14