文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > data mining (sas)
侵权投诉

data mining (sas)

统计学课件

i

Table of Contents

ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1THE OVERABUNDANCE OF DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2DATA MINING AND THE BUSINESS INTELLIGENCE CYCLE . . . . . . . . . . . . . . . . . . . . . . . .2THE SEMMA METHODOLOGY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3HOW LARGE IS “A LARGE DATABASE?” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4PROCESSING THE ENTIRE DATABASE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4PROCESSING A SAMPLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6THE STATISTICAL VALIDITY OF SAMPLING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8SIZE AND QUALITY DETERMINE THE VALIDITY OF A SAMPLE . . . . . . . . . . . . . . . . .9RANDOMNESS: THE KEY TO QUALITY SAMPLES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10CURRENT USES OF SAMPLING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12WHEN SAMPLING SHOULD NOT BE USED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13MYTHS ABOUT SAMPLING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13SAMPLING AS A BEST PRACTICE IN DATA MINING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16PREPARING THE DATA FOR SAMPLING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17COMMON TYPES OF SAMPLING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17DETERMINING THE SAMPLE SIZE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18GENERAL SAMPLING STRATEGIES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20USING SAMPLE DATA FOR TRAINING, VALIDATION, AND TESTING . . . . . . . . . . . .21SAMPLING AND SMALL DATA TABLES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21CASE STUDY: USING SAMPLING IN CHURN ANALYSIS . . . . . . . . . . . . . . . . . . . . . . . . . . . .21STEP 1: ACCESS THE DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23STEP 2: SAMPLE THE DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24STEP 3: PARTITION THE DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28STEP 4: DEVELOP A MODEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28STEP 5: ASSESS THE RESULTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29SUMMARY OF CASE STUDY RESULTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32SAS INSTITUTE: A LEADER IN DATA MINING SOLUTIONS . . . . . . . . . . . . . . . . . . . . . . . .33REFERENCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .34RECOMMENDED READING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35DATA MINING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35DATA WAREHOUSING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35STATISTICS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35CREDITS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36

上一页第2页

你可能喜欢

热门文档

相关文档

  • SAS Global Forum 2007 Data Mining and Predictive Mo...

    SAS Global Forum 2007 Data Mining and Predictive Modeling Paper 078-2007 IMPROVING CREDIT S Logistic Regression has been widely used in the financial ...

  • sas数据挖掘经典算法(SAS)

    sas数据挖掘经典算法(SAS)_计算机软件及应用_IT/计算机_专业资料。SAS数据挖掘经典算法 Common Used Data Mining Algorithms “给我一个立足点和一根足够长的杠杆,...

  • SAS_Datamining

    SAS_Datamining_经济学_高等教育_教育专区。计量统计软件SAS学习资料深层数据分析 SAS 深层数据分析 与数据挖掘 Agenda ? SAS 数据挖掘总括 ? SAS 数据挖掘解决的...

  • Data Mining分析工具

    Data Mining分析工具_IT/计算机_专业资料。数据挖掘工具简介Enterprise Miner(SAS) SAS Enterprise Miner 在资料探勘工具市场是非常杰出的工具,它运用了 SAS 统计...

  • Data Mining Tools

    Data Mining Tools METAspectrumSM Evaluation 100 Leader 80 Angoss CA SPSS Oracle IBM KXEN Insightful Fair Isaac SAS Performance Quadstone 60 Genalytics 40 ...

  • SAS 8.2 Enterprise Miner数据挖掘实例

    ? ? Assess 类 Scoring 类 Utility 类 包括 Assessment、Reporter 包括 Score、C*Score 包括 Group Processing、Data Mining Database、SAS Code、Control point、...

  • Data Mining Software Introduce

    SAS Enterprise Miner – A variety of statistical analysis tools – Data warehouse tools and multiple data mining algorithms ? Mirosoft SQLServer 2005 – ...

  • SAS课件——第01讲 SAS概述

    14 celons@163.com SAS软件教程(Celon) 数据挖掘技术(Data Mining) 数据挖掘技术数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据 数据挖掘就是从...

  • SAS数据挖掘公司咨询顾问 朱立强

    SAS数据挖掘公司咨询顾问 朱立强_计算机软件及应用_IT/计算机_专业资料。商业智能工具介绍SAS数据挖掘技术概览 SAS Data Mining Overview Cuby. Zhu(朱立强) ...

  • 数据挖掘中SAS和NET系统的集成

    关键词:SAS系统;.NET系统;集成;数据挖掘;数据处理;统计分析 中图法分类号:TP31;TP39 文献标识码:A 文章编号:1000.7024(2007)22.5356-03 Data mining in ...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email