SAS数据挖掘与分析项目实战

第1章数据挖掘知识介绍

11数据挖掘算法简介

111分类

112聚类

113关联

114预测

12分类模型的相关概念

121数据说明

122混淆矩阵

123ROC曲线和AUC面积

124提升（Lift）

125KS曲线

13数据挖掘过程中关键问题处理

131数据准备

132定义变量及数据抽样

133变量选择

134缺失值处理

135模型比较

14SAS STAT介绍

第2章Kaggle数据科学社区调查分析

21描述性统计分析的主要内容

211数据的频数分析

212数据的集中趋势分析

213数据的离散程度分析

214数据的分布

215绘制统计图

22SAS描述性分析过程介绍

221PROC FREQ过程

222PROC MEANS过程

223PROC UNIVARIATE过程

23调查数据说明

24数据探索

25Kaggle社区用户画像分析

251人员属性

252工作属性

253技能属性

254学习属性

第3章考察汽车耗油量与里程数的关系

31项目背景

32非线性回归简介

33非线性回归过程说明

34广义线性模型过程

35数据文件说明

36数据探索

37模型建立

38结果分析

第4章影响汽车销售的关键因子分析

41数据说明

42因子分析的基本原理

421因子分析模型

422因子旋转

423计算因子得分

43因子分析的步骤和SAS过程

431因子分析的步骤

432FACTOR过程说明

44模型开发及结果解释

45主成分分析和因子分析的区别

第5章健身运动中耗氧量回归分析

51线性回归模型

52REG过程

521过程选项

522MODEL语句选项

523关键字选项

524PLOT语句选项

53数据说明

54相关性分析

55回归分析

56逐步回归

561逐步回归过程

562利用逐步回归选择变量

第6章旅客量预测分析

61项目背景

62数据文件说明

63平稳随机过程概述

631自回归模型

632滑动平均模型

633自回归滑动平均模型

64ARMA模型的识别

641基于相关函数的定阶方法

642利用信息准则法定阶

65模型参数的估计

66时间序列的分析步骤

67SAS系统的ARIMA过程

671ARIMA语句选项

672IDENTIFY语句选项

673ESTIMATE语句选项

674FORECAST语句选项

675ARIMA建模过程

68数据探索

681平稳性检验

682序列变换

69自相关函数检验

610模型参数估计

611预测

第7章客户群分类判别分析

71业务背景及数据说明

72判别分析的数学原理

73判别分析的SAS过程

731DISCRIM过程

732CANDISC过程

733STEPDISC过程

74数据探索

75客户群判别模型建立

76模型应用

第8章销售公司的客户分群分析

81项目背景

811客户细分的概念

812客户细分模型

813客户细分模型的基本流程

814细分方法介绍

82聚类分析的数学原理

821聚类的数学原理

822距离和相似距离

823聚类方法

824聚类数的确定

825聚类分析步骤

83SAS中的聚类过程

831Cluster系统聚类过程

832Fastclus快速聚类过程

833Varclus方差聚类过程

834Tree聚类树型输出过程

84数据文件说明

85数据探索

851变量衍生

852变量标准化

853变量相关性分析

86模型建立

87客户画像分析

88模型应用

第9章员工离职预测

91项目背景

92数据说明

93数据探索

94数据建模

941变量相关分析

942决策树建模

95模型评估与应用

第10章广告点击率预测

101业务背景

1011网络广告发展情况

1012计算广告学

102数据说明

103数据不平衡的处理方式

1031收集更多的数据

1032改变模型性能评价指标

1033重新对样本进行采样

104模型开发与评估

1041样本欠抽样

1042模型开发

1043模型评估

105CTR模型的发展脉络

第11章产品精准营销推荐

111项目背景

1111业务背景

1112数据说明

1113项目目标

112数据探索

1121变量描述性统计分析

1122变量缺失值处理

1123变量衍生处理

113模型建设

1131欠抽样

1132数据集分割

1133模型开发

1134模型评估

114模型应用

1141产品自动化推荐系统

1142易受到市场环境等各种因素的影响

1143人群特征漂移需要不断优化模型

第12章通信客户流失预警模型

121项目背景

1211客户流失分析要解决的问题

1212分析客户流失的类型

1213如何进行客户流失分析

122数据说明

123因变量定义

124样本抽取

125数据探索

126模型开发

1261变量衍生

1262变量选择

1263相关性处理

1264模型结果

127模型评估

1271开发样本上的模型性能

1272验证样本上的模型性能

128模型应用

第13章银行贷款用户风险分析

131案例背景

132因变量定义

133样本抽取

134数据探索

1341为什么要进行数据探索

1342数据分布情况

135模型建设

1351变量衍生

1352变量选择

1353共线性处理

1354模型结果

136模型性能评估

1361开发样本上的模型性能

1362验证样本上的模型性能

137模型应用

第14章信用风险评分卡开发

141信用评分模型简介

142信用卡模型的开发过程

143案例背景及项目目标确定

1431项目背景说明

1432确定项目目标

144数据获取

145数据质量检验

146项目参数设定

1461排除规则确定

1462表现和观察窗口

1463确定“坏”的定义

1464滚动率分析

1465客户分群

147数据探索

1471数据分布分析

1472缺失值的处理

1473极端值的处理

148模型开发

1481证据权重（WOE）

1482信息值（IV）

1483变量选择

1484变量分组

1485变量相关性分析

1486模型迭代开发

149模型评估

1491混淆矩阵

1492KS统计量

1493ROC曲线

1410评分卡创建

14101评分尺度变换

14102变量分值分配

1411评分卡实施

1412监测与报告

1413拒绝推断

1414运用评分卡需要注意的事项

第15章信用卡反欺诈预测模型

151信用卡欺诈概述

1511信用卡欺诈的种类

1512智能反欺诈管理

1513其他反欺诈技术

152案例背景

153数据探索

154模型开发

1541不使用分层抽样策略

1542使用分层抽样策略

155总结

第16章SAS数据清洗技术

161数据清洗简介

1611数据清洗

1612数据探索

162数据导入

1621读入数据到SAS系统的方法

1622指定数据文件的位置

1623读入由空格分隔的原始数据

1624读入列对齐的原始数据

1625读入非标准格式的数据

1626读入一个观测占据多行的数据文件

1627读入原数据文件的一部分

1628IMPORT过程读入分隔数据文件

163数据格式处理

164SAS函数

1641字符函数

1642数值函数

165缺失值处理

166数据抽样

1661等比例分层抽样

1662不等比例分层抽样

1663分层抽样