亚洲国产无 码成人AV,国产视频精选,国产人成网在线播放VA免费,国产一级婬片久久久片A级 精品少妇无码AV无码专区,AV淘宝国产在线观看,亚洲

全國 [城市選擇] [會員登錄] [講師注冊] [機(jī)構(gòu)注冊] [助教注冊]  
中國企業(yè)培訓(xùn)講師
Python數(shù)據(jù)建模(分類模型篇)
 
講師:傅一航 瀏覽次數(shù):2547

課程描述INTRODUCTION

Python分類模型

· 技術(shù)主管· 高層管理者· 中層領(lǐng)導(dǎo)

培訓(xùn)講師:傅一航    課程價格:¥元/人    培訓(xùn)天數(shù):3天   

日程安排SCHEDULE



課程大綱Syllabus

Python分類模型

【課程目標(biāo)】
本課程主要講解如何利用Python進(jìn)行時間序列的數(shù)據(jù)建模。
通過本課程的學(xué)習(xí),達(dá)到如下目的:
1、掌握數(shù)據(jù)建模的標(biāo)準(zhǔn)流程。
2、掌握各種分類預(yù)測模型的原理,以及算法實現(xiàn)。
3、掌握各種分類模型類的重要參數(shù),以及應(yīng)用。
4、掌握模型的評估指標(biāo)、評估方法,以及過擬合評估。
5、掌握模型優(yōu)化的基本方法,學(xué)會超參優(yōu)化。
6、掌握集成優(yōu)化思想,掌握高級的分類模型。

【授課對象】
業(yè)務(wù)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(luò)運維部等相關(guān)技術(shù)人員。

【課程大綱】
一、預(yù)測建?;A(chǔ)

1、數(shù)據(jù)建模六步法
-選擇模型:基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型
-屬性篩選:選擇對目標(biāo)變量有顯著影響的屬性來建模
-訓(xùn)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(jìn)行評估模型的質(zhì)量,判斷模型是否可用
-優(yōu)化模型:如果評估結(jié)果不理想,則需要對模型進(jìn)行優(yōu)化
-應(yīng)用模型:如果評估結(jié)果滿足要求,則可應(yīng)用模型于業(yè)務(wù)場景
2、數(shù)據(jù)挖掘常用的模型
-數(shù)值預(yù)測模型:回歸預(yù)測、時序預(yù)測等
-分類預(yù)測模型:邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等
-市場細(xì)分:聚類、RFM、PCA等
-產(chǎn)品推薦:關(guān)聯(lián)分析、協(xié)同過濾等
-產(chǎn)品優(yōu)化:回歸、隨機(jī)效用等
-產(chǎn)品定價:定價策略/最優(yōu)定價等
3、屬性篩選/特征選擇/變量降維
-基于變量本身特征
-基于相關(guān)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)
4、訓(xùn)練模型及實現(xiàn)算法
-模型原理
-算法實現(xiàn)
5、模型評估
-評估指標(biāo)
-評估方法
-過擬合評估
6、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
7、模型應(yīng)用
-模型解讀
-模型部署
-模型應(yīng)用
8、好模型是優(yōu)化出來的

二、分類模型評估
1、三個方面評估:指標(biāo)、方法、過擬合
2、兩大矩陣
-混淆矩陣
-代價矩陣
3、六大指標(biāo)
-正確率Accuracy
-查準(zhǔn)率Precision
-查全率Recall
-特異度Specify
-F度量值(/)
-提升指標(biāo)lift
4、三條曲線
-ROC曲線和AUC
-PR曲線和BEP
-KS曲線和KS值
5、多分類模型評估指標(biāo)
-宏指標(biāo):macro_P, macro_R
-宏指標(biāo):micro_P, micro_R
6、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)
7、其它評估
-過擬合評估:學(xué)習(xí)曲線
-殘差評估:白噪聲評估

三、邏輯回歸
問題:如何評估客戶購買產(chǎn)品的可能性?如何預(yù)測客戶行為?
如何預(yù)測客戶流失?銀行如何實現(xiàn)欠貸風(fēng)險控制?
1、邏輯回歸模型簡介
2、邏輯回歸的種類
-二項邏輯回歸
-多項邏輯回歸
3、邏輯回歸方程解讀
4、帶分類自變量的邏輯回歸
5、邏輯回歸的算法實現(xiàn)及優(yōu)化
-迭代樣本的隨機(jī)選擇
-變化的學(xué)習(xí)率
6、邏輯回歸+正則項
7、求解算法與懲罰項的互斥關(guān)系
8、多元邏輯回歸處理
-ovo
-ovr
9、邏輯回歸建模過程
案例:用sklearn庫實現(xiàn)銀行貸款違約預(yù)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)

四、決策樹
1、分類決策樹簡介
演練:識別銀行欠貨風(fēng)險,提取欠貸者的特征
2、決策樹的三個關(guān)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*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(yù)剪枝與后剪枝
3、構(gòu)建決策樹的算法
-C5.0、CHAID、CART、QUEST 
-各種算法的比較
4、決策樹的超參優(yōu)化
5、決策樹的解讀
6、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(yù)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

五、人工神經(jīng)網(wǎng)絡(luò)
1、神經(jīng)網(wǎng)絡(luò)簡介(ANN)
2、神經(jīng)元基本原理
-加法器
-激活函數(shù)
3、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
-隱藏層數(shù)量
-神經(jīng)元個數(shù)
4、神經(jīng)網(wǎng)絡(luò)的建立步驟
5、神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題
6、BP算法實現(xiàn)
7、MLP多層神經(jīng)網(wǎng)絡(luò)
案例:評估銀行用戶拖欠貨款的概率
案例:神經(jīng)網(wǎng)絡(luò)預(yù)測產(chǎn)品銷量

六、線性判別分析(LDA)
1、判別分析簡介
-基本思想
2、判別分析種類
3、判別分析算法
-類間散席
-類內(nèi)散席
4、LDA線性判別模型
5、多分類判別分析
案例:MBA學(xué)生錄取判別分析
案例:上市公司類別評估

七、最近鄰分類(KNN)
1、KNN的基本原理
2、K近鄰的關(guān)鍵問題
3、K近鄰的實現(xiàn)算法
-Brute暴力計算
-Kd_tree
-Ball_tre

八、樸素貝葉斯分類(NBN)
1、貝葉斯簡介
2、貝葉斯分類原理
-先驗概率和后驗概率
-條件概率和類概率
3、常見貝葉斯網(wǎng)絡(luò)
4、計算類別屬性的條件概率
5、估計連續(xù)屬性的條件概率
6、預(yù)測分類概率(計算概率)
7、拉普拉斯修正
案例:評估銀行用戶拖欠貨款的概率

九、支持向量機(jī)(SVM)
1、支持向量機(jī)簡介
-適用場景
2、支持向量機(jī)原理
-支持向量
-*邊界超平面
3、線性不可分處理
-松弛系數(shù)
4、非線性SVM分類
5、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
6、SMO算法

十、模型集成優(yōu)化篇
1、模型的優(yōu)化思想
2、集成模型的框架
-Bagging
-Boosting
-Stacking
3、集成算法的關(guān)鍵過程
-弱分類器如何構(gòu)建
-組合策略:多個弱學(xué)習(xí)器如何形成強(qiáng)學(xué)習(xí)器
4、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(jī)森林RandomForest
5、Boosting集成算法
-基于誤分?jǐn)?shù)據(jù)建模
-樣本選擇權(quán)重更新
-決策依據(jù):加權(quán)投票
-AdaBoost模型
6、GBDT模型
7、XGBoost模型
8、LightGBM模型

十一、案例實戰(zhàn)
1、客戶流失預(yù)測和客戶挽留模型
2、銀行欠貸風(fēng)險預(yù)測模型

結(jié)束:課程總結(jié)與問題答疑。

Python分類模型


轉(zhuǎn)載:http://www.nywlwx.com/gkk_detail/265685.html

已開課時間Have start time

在線報名Online registration

    參加課程:Python數(shù)據(jù)建模(分類模型篇)

    單位名稱:

  • 參加日期:
  • 聯(lián)系人:
  • 手機(jī)號碼:
  • 座機(jī)電話:
  • QQ或微信:
  • 參加人數(shù):
  • 開票信息:
  • 輸入驗證:  看不清楚?點擊驗證碼刷新
付款信息:
開戶名:上海投智企業(yè)管理咨詢有限公司
開戶行:中國銀行股份有限公司上海市長壽支行
帳號:454 665 731 584
傅一航
[僅限會員]