【课程大纲】
第01课：课程规划 共5页
第02课：DM项目的生命周期与建设过程 共8页
第03课：CRISP-DM详解 共11页
第04~05课：DM项目实际建设与管理过程（上） 共23页
第04~05课：DM项目实际建设与管理过程（下） 共23页
第06课：DM项目团队组成与能力素养 共4页
第07课：SPSS MODELER基础 共3页
第08课：SPSS MODELER节点概要 共9页
第09课：SPSS MODELER数据流实例 共2页
第10课：简单的统计学概念 共6页
第11课：常用统计学分布 共9页
第12课：常用统计知识补充 共6页
第13课：数据质量与样本管理 共4页
第14课：数据质量与变量管理 共3页
第15课：MODELER分析管理 共2页
第16课：数据挖掘知识类型 共3页
第17课：建模过程思想 共3页
第18课：回归分析思想与建模解释（上） 共6页
第18课：回归分析思想与建模解释（下） 共7页
第19课：决策树思想与建模解释 共4页
第20课：回归与决策树增补 共4页
第21课：神经网络思想与建模解释 共4页
第22课：SVM思想与解释补充 共4页
第23课：聚类算法与建模解释 共6页
第24课：关联分析思想与建模解释 共4页
第25课：信用风险评估 共7页
第26课：辅助决策分析 共6页
数据挖掘是一种从海量数据中提取有价值知识的过程，广泛应用于各个领域，如市场分析、金融风控、医疗诊断等。SPSS Modeler是一款强大的数据挖掘工具，它支持多种算法，便于用户进行数据建模和分析。本课程围绕CRISP-DM（Cross-Industry Standard Process for Data Mining）模型展开，该模型是数据挖掘项目中的通用流程标准，包含六个主要阶段：业务理解、数据理解、数据准备、建立模型、评价和实施。
1. 业务理解：这是项目启动的关键阶段，旨在明确项目目标和业务需求。在此阶段，我们需要理解项目背景，确定业务目标，评估项目可行性，并制定项目计划。这包括与关键利益相关者交流，确保数据挖掘的目标与业务需求一致。
2. 数据理解：这一阶段主要关注对原始数据的探索和理解。通过数据收集，我们获取初步的数据集，然后进行描述性统计分析，了解数据的基本特征，检测数据质量问题。此外，我们会寻找数据中的模式和趋势，以生成初步的假设或洞察。
3. 数据准备：在数据准备阶段，我们处理和转化原始数据，使其适合建模。这包括数据选择、清洗（去除异常值和缺失值）、构建新特征、数据集成（合并来自不同源的数据）以及数据格式转换，以满足建模工具的要求。
4. 建立模型：此阶段涉及选择合适的建模技术，如回归分析、决策树、神经网络、支持向量机（SVM）和聚类等。我们会训练模型，调整参数，然后生成测试设计，以确保模型的性能和泛化能力。这个过程可能需要反复迭代，不断优化模型。
5. 评价：模型建立后，必须对其进行详尽的评估，确认其是否达到预期的业务目标。我们会检验模型的准确性和稳定性，评估潜在的过拟合或欠拟合问题，并依据评估结果决定是否需要回溯到前面的阶段进行改进。
6. 实施：模型需要被部署到实际环境中，用于指导决策或自动化预测。这涉及到制定实施计划，监控模型的性能，定期维护更新，以及生成易于理解和使用的报告。项目复盘和重要文档的输出是保证项目成果持久有效的重要环节。
通过本课程，学员将深入理解CRISP-DM模型的每个阶段，掌握SPSS Modeler的使用技巧，从而在实际项目中高效地进行数据挖掘，提升数据分析能力。
