English version

• polskie
podział tematyczny
 
• anglojęzyczne
podział tematyczny
 
Newsletter:

• Zamów informacje o nowościach z wybranego tematu
 
Informacje:

• o księgarni

• koszty wysyłki

• kontakt

• Cookies na stronie

Enterprise Miner

Wykorzystywanie narzędzi Data Mining w systemie SAS

Prezentacja podstaw użytkowania programu Enterprise Miner firmy SAS oraz ogólna charakterystyka wybranych metod, zwracająca szczególną uwagę na wymóg odpowiedniego przygotowania danych oraz właściwą interpretację uzyskiwanych wyników.

Metody Data Mining znajdują zastosowanie w prowadzeniu kampanii reklamowych, utrzymywaniu i zdobywaniu klientów, analizach i ocenach kredytobiorców bankowych i ocenach ryzyka kredytowego, promocji produktów i usług, prognozowaniu i planowaniu sprzedaży, przewidywaniu sukcesów kampanii reklamowych i sprzedaży produktów, badaniach rynku.

Adresując tę publikację do studentów kierunków ekonomicznych, a także do analityków-praktyków autorzy ilustrują możliwości programu i metod przykładami analiz zbiorów danych z różnych dziedzin i źródeł.

Wstęp

1. Zasady posługiwania się programem Enterprise Miner
1.1. Rozpoczęcie pracy z programem i tworzenie projektów eksploracji danych
1.2. Organizacja zbiorów danych wykorzystywanych w analizach eksploracji danych
1.3. Tworzenie diagramów i zarządzanie diagramami analizy danych

2. Zagadnienia metodyczne przeprowadzania eksploracji danych
2.1. Metodyki wykorzystywane na potrzeby analizy danych
2.2. Narzędzia eksploracji danych wspierające analizy w poszczególnych etapach metodyki SEMMA programu Enterprise Miner
2.3. Ogólne reguły budowania diagramów wg metodyki SEMMA i przykład diagramu

3. Przygotowanie danych do analiz Data Mining
3.1. Wstępna analiza danych wejściowych
3.2. Narzędzia Multiplot i StatExplore w analizie danych
3.3. Losowanie próby danych (wykorzystanie węzła Sample)
3.4. Podział danych (Data Partition)
3.5. Filtrowanie danych (węzeł Filter)
3.6. Wybór zmiennych na potrzeby budowy modeli
3.7. Przeprowadzanie transformacji zmiennych
3.8. Rozwiązywanie problemu brakujących wartości
3.9. Wartości nietypowe

4. Metody prognozowania
4.1. Kryteria oceny modeli predykcyjnych
4.2. Regresja, sieci neuronowe i drzewa decyzyjne jako narzędzia prognozowania
4.3. Sporządzanie prognoz - generowanie i wykorzystywanie kodu skoringowego

5. Metody grupowania
5.1. Analiza skupień
5.2. Sieci neuronowe Kohonena

6. Analiza asocjacji i sekwencji

7. Grupowanie zmiennych

Literatura

268 stron, Format: 17.0x24.0cm, oprawa miękka