【培訓(xùn)對(duì)象】
業(yè)務(wù)支撐部、運(yùn)營(yíng)分析部、數(shù)據(jù)分析部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開(kāi)發(fā)部等相關(guān)技術(shù)人員。

【培訓(xùn)收益】

第一部分：預(yù)測(cè)建?；A(chǔ)
1、數(shù)據(jù)建模六步法
選擇模型：基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型
屬性篩選：選擇對(duì)目標(biāo)變量有顯著影響的屬性來(lái)建模
訓(xùn)練模型：采用合適的算法，尋找到最合適的模型參數(shù)
評(píng)估模型：進(jìn)行評(píng)估模型的質(zhì)量，判斷模型是否可用
優(yōu)化模型：如果評(píng)估結(jié)果不理想，則需要對(duì)模型進(jìn)行優(yōu)化
應(yīng)用模型：如果評(píng)估結(jié)果滿足要求，則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景
2、數(shù)據(jù)挖掘常用的模型
數(shù)值預(yù)測(cè)模型：回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等
分類(lèi)預(yù)測(cè)模型：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等
市場(chǎng)細(xì)分：聚類(lèi)、RFM、PCA等
產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過(guò)濾等
產(chǎn)品優(yōu)化：回歸、隨機(jī)效用等
產(chǎn)品定價(jià)：定價(jià)策略/最優(yōu)定價(jià)等
3、屬性篩選/特征選擇/變量降維
基于變量本身特征
基于相關(guān)性判斷
因子合并（PCA等）
IV值篩選（評(píng)分卡使用）
基于信息增益判斷（決策樹(shù)使用）
4、訓(xùn)練模型及實(shí)現(xiàn)算法
模型原理
算法實(shí)現(xiàn)
5、評(píng)估模型
評(píng)估指標(biāo)
評(píng)估方法
殘差評(píng)估
6、模型優(yōu)化
優(yōu)化模型：選擇新模型/修改模型
優(yōu)化數(shù)據(jù)：新增顯著自變量
優(yōu)化公式：采用新的計(jì)算公式
7、模型應(yīng)用
模型解讀
模型保存/加載
模型應(yīng)用/預(yù)測(cè)
8、好模型是優(yōu)化出來(lái)的

第二部分：時(shí)序模型評(píng)估
1、評(píng)估指標(biāo)
判定系數(shù)：和
平均誤差：MAE
根均方差：RMSE
平均誤差率：MAPE
2、信息準(zhǔn)則指標(biāo)
赤池信息準(zhǔn)則（Akaike Information Criterion，AIC）
貝葉斯信息準(zhǔn)則（Bayesian Information Criterion，BIC）
HQIC（Hannan-Quinn Information Criterion，HQIC）
3、評(píng)估方法
滾動(dòng)交叉驗(yàn)證法（cross validation）
4、其它評(píng)估
殘差評(píng)估：白噪聲評(píng)估

第三部分：趨勢(shì)預(yù)測(cè)模型
問(wèn)題：無(wú)法找到影響因素，無(wú)法回歸建模，怎么辦？隨著業(yè)務(wù)受季節(jié)性因素影響，未來(lái)的銷(xiāo)量如何預(yù)測(cè)？
1、時(shí)間序列簡(jiǎn)介
2、時(shí)序預(yù)測(cè)的原理及應(yīng)用場(chǎng)景
3、常見(jiàn)時(shí)序預(yù)測(cè)模型
趨勢(shì)類(lèi)預(yù)測(cè)模型
季節(jié)類(lèi)預(yù)測(cè)模型
平穩(wěn)時(shí)序預(yù)測(cè)模型
其它高級(jí)模型
4、移動(dòng)平均
應(yīng)用場(chǎng)景及原理
理解滑動(dòng)窗口
移動(dòng)平均種類(lèi)
一次移動(dòng)平均
二次移動(dòng)平均
加權(quán)移動(dòng)平均
移動(dòng)平均比率法
移動(dòng)平均關(guān)鍵問(wèn)題
最佳期數(shù)N的選擇原則
最優(yōu)權(quán)重系數(shù)的選取原則
演練：銷(xiāo)售額預(yù)測(cè)模型及評(píng)估
演練：快銷(xiāo)產(chǎn)品季節(jié)銷(xiāo)量預(yù)測(cè)及評(píng)估
5、指數(shù)平滑
應(yīng)用場(chǎng)景及原理
最優(yōu)平滑系數(shù)的選取原則
指數(shù)平滑種類(lèi)
一次指數(shù)平滑
二次指數(shù)平滑（Brown線性）
三次指數(shù)平滑
演練：煤炭產(chǎn)量預(yù)測(cè)
6、Holt趨勢(shì)模型（亦稱(chēng)二次指數(shù)平滑）
Holt線性模型
Holt指數(shù)模型
阻尼線性趨勢(shì)
阻尼指數(shù)趨勢(shì)
第四部分：季節(jié)預(yù)測(cè)模型
1、因素分解思想
2、時(shí)間序列的四個(gè)構(gòu)成要素
長(zhǎng)期趨勢(shì)Trend
季節(jié)變動(dòng)Seasonality
循環(huán)變動(dòng)Circle
不規(guī)則變動(dòng)Irregular
案例：時(shí)間序列的季節(jié)分解
3、Holt-Winters季節(jié)模型
三個(gè)組成部分
三個(gè)平滑因子
4、HW加法模型
適用場(chǎng)景
計(jì)算公式
超參優(yōu)化
模型解讀
5、HW乘法模型
6、HW指數(shù)模型
案例：航空飛行里程預(yù)測(cè)模型
案例：汽車(chē)銷(xiāo)量預(yù)測(cè)模型
案例：沃爾瑪收益預(yù)測(cè)模型
7、基于回歸的季節(jié)模型
相加模型
相乘模型
模型訓(xùn)練及優(yōu)化
模型解讀
第五部分：平穩(wěn)序列模型
1、平穩(wěn)序列預(yù)測(cè)模型簡(jiǎn)介
2、序列平穩(wěn)性概念
恒定的均值
恒定的標(biāo)準(zhǔn)差
與位置無(wú)關(guān)的協(xié)方差
3、序列平穩(wěn)性檢驗(yàn)
折線圖法
ACF/PACF圖
ADF檢測(cè)法
4、特殊平穩(wěn)序列：白噪聲
案例：序列平穩(wěn)性檢驗(yàn)
案例：白噪聲檢驗(yàn)
5、平穩(wěn)序列常用擬合模型
AR(p)自回歸模型
MA(q)移動(dòng)平均模型
ARMA(p,q)自回歸移動(dòng)平均模型
6、模型識(shí)別
ACF圖
PACF圖
7、模型定階
圖形定階（ACF/PACF）
最小信息準(zhǔn)則定階
8、非平穩(wěn)序列處理
平滑法
變量變換
差分運(yùn)算：k步差分與d階差分
9、ARIMA(p,d,q)建模流程
案例：上海證券交易所收盤(pán)價(jià)建模
10、SARIMA(p,d,q)(P,D,Q,S)模型
圖形確定階數(shù)
遍歷確定階數(shù)
11、時(shí)序模型總結(jié)

第六部分：模型質(zhì)量評(píng)估篇
1、回歸模型的評(píng)估指標(biāo)
三個(gè)基本概念:SSR/SST/SSE
兩個(gè)判定系數(shù):R^2,調(diào)整R^2
三個(gè)誤差指標(biāo):MAE/MAPE/RMSE
平均絕對(duì)誤差MAE
均方差MSE/RMSE
平均誤差率MAPE
2、模型的評(píng)估方法
原始評(píng)估法
留出法（Hold-Out）
交叉驗(yàn)證法（k-fold cross validation）
自助采樣法（Bootstrapping）
3、時(shí)間序列的滾動(dòng)交叉驗(yàn)證

第七部分：高級(jí)時(shí)序模型
1、Prophet模型介紹
趨勢(shì)擬合
季節(jié)性預(yù)測(cè)
節(jié)假日和特殊事件的影響
離群值分析
案例：銷(xiāo)售額時(shí)序預(yù)測(cè)模型
2、LSTM模型簡(jiǎn)介
數(shù)據(jù)集構(gòu)造
形狀構(gòu)造
滾動(dòng)預(yù)測(cè)

第八部分：廣告點(diǎn)擊量時(shí)序建模

結(jié)束：課程總結(jié)與問(wèn)題答疑。