《Applied Analytics Using SAS Enterprise Miner（使用SAS E

　　
　　课程概述：
　　
　　本培训课程适用于SAS Enterprise Miner 5.3和SAS Enterprise Miner 6.1。
　　
　　本课程主要介绍使用SAS Enterprise Miner丰富的工具集构建分析流程，从而实现模式发现（分群、关联和序列分析）和预测模型（决策树、回归和神经网络模型）。
　　
　　本课程可以帮您准备接下来的SAS数据挖掘建模（基础）认证考试。
　　
　　学习目标：
　　
　　●定义SAS Enterprise Miner项目并使用图形探索数据
　　
　　●为获得更好的分析结果重构数据
　　
　　●建立和理解预测模型，例如决策树和回归模型
　　
　　●比较并解释复杂模型
　　
　　●创建和使用评分代码
　　
　　●应用关联和序列发现处理数据
　　
　　●使用其他模型算法，例如规则归纳、梯度推进和支持向量机
　　
　　课时：3天
　　
　　适合学员：数据分析师、定性分析专家和其他需要SAS Enterprise Miner入门的人员。
　　
　　课程内容：
　　
　　1、简介
　　
　　-SAS Enterprise Miner简介
　　
　　2、访问并探索已准备数据
　　
　　-创建SAS Enterprise Miner项目，库和图表
　　
　　-定义数据源
　　
　　-探索数据源
　　
　　3、介绍使用决策树生成预测模型
　　
　　-生成决策树
　　
　　-优化复杂决策树
　　
　　-了解其他诊断工具（自学）
　　
　　-手工调整决策树生长选项（自学）
　　
　　4、介绍使用回归生成预测模型
　　
　　-选择回归输入
　　
　　-优化复杂回归
　　
　　-解释回归模型
　　
　　-转换输入
　　
　　-分类输入
　　
　　-多项式回归（自学）
　　
　　5、使用神经网络和其他模型工具介绍预测模型
　　
　　-神经网络模型介绍
　　
　　-输入选择
　　
　　-停止训练
　　
　　-其他模型工具（自学）
　　
　　6、模型评估
　　
　　-模型拟合统计
　　
　　-统计图形
　　
　　-调整独立采样
　　
　　-利润矩阵
　　
　　7、模型实现
　　
　　-内部评分数据集
　　
　　-评分代码模型
　　
　　8、模式发现介绍
　　
　　-聚类分析
　　
　　-市场购物篮分析（自学）
　　
　　9、专题
　　
　　-嵌入模型
　　
　　-变量选择
　　
　　-合并输入分类变量
　　
　　-替代模型
　　
　　10、案例研究
　　
　　-银行客户交易细分
　　
　　-对Web服务数据进行关联分析
　　
　　-创建一个基于客户贷款数据的简易信用风险模型
　　
　　-预测性高校招生管理
　　
　　前提条件：
　　
　　参加本课程前，你应该熟悉微软视窗和基于视窗系统的软件。此外，你应该至少对基本统计和回归模型有基础的了解。SAS软件的使用经验对学习本课程有益但不是必需的。