【上海】数据挖掘培训课堂_元旦开课！

11643

收藏 2014-11-07

对数据挖掘情有独钟，一心想要学习精通；
用SAS？ R？ Python？不会不想不愿编码肿么破？
幸运的小编在11月13-16号参加了李御玺老师的数据挖掘课程！
李老师的课程有什么好？不用编码，点点鼠标，分分钟搞定数据挖掘。
SPSS MODELER就是这样，简单的操作；干净的界面；专业的数据挖掘软件！
...
数据挖掘实物及MODELER应用培训，并有十个案例（囊括各个行业）穿插在课程讲解中，您值得拥有！

以下为小编听了李老师的课程，并参照了《基于Clementine的数据挖掘》，将书上的一个小例子展现给大家

1.案例数据为一份关于药物研究的数据。患有同种疾病的不同病人，服用五种药物中的一种（drugA、drugB...)后，都取得了同样的治疗效果；现在需要利用数据挖掘技术发现以往药物处方适用的规律，对于不同特征（血压、胆固醇、钠钾含量等）的病人给予更适合哪种药物的建议。（数据在附件中）

2.观察各个变量的数据特征：可以看到MODELER对此计算除了最小值、最大值、均值、标准差、偏态系数等基本描述统计，同时还输出了数值型变量的直方图以及分类型变量的柱形图。

3.通过散点图反应服用不同药物的病人钠钾含量指标；图形显示服用drugY的病人，其唾液中的K含量明显低于其他类病人，由此可见，单纯K含量较低的病人选用drugY比较理想。

4.通过直方图反应钠钾浓度指标（Na/K)与服用对应药物的关系。图形显示，对于Na/K比值处在高水平的病人，drugY是理想的选择。

5.通过网状图反映不同血压特征病人的药物选择。图中线条粗细反映病人的BP与选用drug的情况。可以看到，无论血压状况如何，都可以服用drugY。

6.通过建立模型C5.0，从年龄性别血压钠钾浓度指标的综合角度分析选择不同药物的依据。根据图形显示，可以看出：Na/K比值是选择药物的首要考虑因素，其次是血压、年龄、和胆固醇水平。其中性别对药物选择没有影响。

学艺不精，各位见谅！

附件列表

DRUG.txt

大小:7.84 KB

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

littlelianglian

2014-11-7 08:48:01

李御玺老师将于1月1-4号，在上海进行为期4天的数据挖掘讲座。具体信息请参照：https://bbs.pinggu.org/thread-3186035-1-1.html

案例1：
评估新车设计(汽车业），此案例将采用K最近邻居(K Nearest Neighbor; KNN)来建模。
案例2：
电信客户流失(电信业)，此案例将采用二元罗吉斯回归(Binomial Logistic Regression)来预测客户的流失。
案例3：
药物治疗(医疗业)，此案例将采用决策树 C5.0(Decision Tree C5.0)
案例4：
预测贷款逾期者(银行业)，利用贝式网络(Bayesian Network)来建模
案例5：
电信客户分类(电信业)，利用多元罗吉斯回归(Multinomial Logistic Regression)
案例6：
细胞样本分类(医疗业)，利用支持向量机(Support Vector Machine)来建模
案例7：
零售业销售促销(零售业)，利用神经网络及回归树(Neural Network & Regression Tree)来预测未来的销售成效。
案例8：
预测带宽使用率(通讯业)，利用简单的时间序列模型(Simple Time Series Model)来预测每个区域市场下三个月的带宽使用量。
案例9：
预测型录商品的销售(零售业)，利用两个时间序列模型-指数平滑(Exponential Smoothing)和ARIMA
案例10：
购物篮分析(零售业)，利用关联模型(Apriori)和决策树C5.0(Decision Tree C5.0)来发掘购买类似商品的客群，以及客群的特征(例如，年龄、收入、等)。