推廣 熱搜: 2022  財務(wù)  微信  法律    網(wǎng)格化  管理  營銷  總裁班  安全 

Python數(shù)據(jù)建模

主講老師: 傅一航 傅一航

主講師資:傅一航

課時安排: 1天/6小時
學習費用: 面議
課程預約: 隋老師 (微信同號)
課程簡介: 本課程主要講解如何利用Python進行時間序列的數(shù)據(jù)建模,幫助學員構(gòu)建系統(tǒng)全面的預測建模思維,提升學員的數(shù)據(jù)建模綜合能力。
內(nèi)訓課程分類: 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓 | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓 | 宏觀經(jīng)濟 | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運營 | 法律風險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓 | 保險培訓 | 銀行培訓 | 電信領(lǐng)域 | 房地產(chǎn) | 國學智慧 | 心理學 | 情緒管理 | 時間管理 | 目標管理 | 客戶管理 | 店長培訓 | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) |
更新時間: 2023-09-01 11:25


課程目標】

本課程為中級課程《大數(shù)據(jù)建?!返牡诙簳r序篇

本課程主要講解如何利用Python進行時間序列的數(shù)據(jù)建模,幫助學員構(gòu)建系統(tǒng)全面的預測建模思維,提升學員的數(shù)據(jù)建模綜合能力。

 

系列課程實際的業(yè)務(wù)需求出發(fā),結(jié)合行業(yè)的典型應(yīng)用特點,圍繞實際的商業(yè)問題,對數(shù)據(jù)預測建模的過程進行了全面的介紹(從模型選擇,到屬性選擇,再到訓練模型,評估模型以及優(yōu)化模型),通過大量的操作演練,幫助學員掌握數(shù)據(jù)建模的思路、方法、技巧,以提升學員的數(shù)據(jù)建模的能力,支撐運營決策的目的。

 

通過本課程的學習,達到如下目的:

1、 掌握數(shù)據(jù)建模的標準流程。

2、 掌握時序預測建模的基本思想,理解因素分解的思路。

3、 掌握常用的趨勢擬合模型。

4、 掌握常用的季節(jié)預測模型,能夠進行季節(jié)周期性的時序建模。

5、 深刻理念平穩(wěn)序列的概念,以及平穩(wěn)性檢驗。

6、 掌握平穩(wěn)序列的模型識別,以及模型定階。

7、 掌握時序預測模型的評估,以及優(yōu)化。

8、 掌握高級時序模型的訓練與建模。

【授課時間】

2時間

(要根據(jù)學員的實際情況調(diào)整重點內(nèi)容及時間)

【授課對象】

業(yè)務(wù)支撐部、運營分析部、數(shù)據(jù)分析部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)相關(guān)技術(shù)人員。

【學員要求】

1、 每個學員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Python 3.9版本及以上。

3、 安裝好Numpy,Pandas,statsmodels,sklearn,scipy,keras等擴展庫。

注:講師現(xiàn)場提供分析的代碼和數(shù)據(jù)源。

 

【授課方式】

建模流程+ 案例演練 + 開發(fā)實踐 + 可視化呈現(xiàn)

采用互動式教學,圍繞業(yè)務(wù)問題,展開數(shù)據(jù)分析過程,全過程演練操作,讓學員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。

課程大綱】

第一部分: 預測建?;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?shù)臄?shù)據(jù)模型

屬性篩選:選擇對目標變量有顯著影響的屬性來建模

訓練模型:采用合適的算法,尋找到最合適的模型參數(shù)

評估模型:進行評估模型的質(zhì)量,判斷模型是否可用

優(yōu)化模型:如果評估結(jié)果不理想,則需要對模型進行優(yōu)化

應(yīng)用模型:如果評估結(jié)果滿足要求,則可應(yīng)用模型于業(yè)務(wù)場景

2、 數(shù)據(jù)挖掘常用的模型

數(shù)值預測模型:回歸預測、時序預測等

分類預測模型:邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機等

市場細分:聚類、RFM、PCA等

產(chǎn)品推薦:關(guān)聯(lián)分析、協(xié)同過濾等

產(chǎn)品優(yōu)化:回歸、隨機效用等

產(chǎn)品定價:定價策略/最優(yōu)定價等

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(評分卡使用)

基于信息增益判斷(決策樹使用)

4、 訓練模型及實現(xiàn)算法

模型原理

算法實現(xiàn)

5、 評估模型

評估指標

評估方法

殘差評估

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/預測

8、 好模型是優(yōu)化出來的

 

第二部分: 時序模型評估

1、 評估指標

判定系數(shù):

平均誤差:MAE

根均方差:RMSE

平均誤差率:MAPE

2、 信息準則指標

赤池信息準則(Akaike Information Criterion,AIC)

貝葉斯信息準則(Bayesian Information Criterion,BIC)

HQICHannan-Quinn Information Criterion,HQIC

3、 評估方法

滾動交叉驗證法(cross validation)

4、 其它評估

殘差評估:白噪聲評估

 

第三部分: 趨勢預測模型

問題:無法找到影響因素,無法回歸建模,怎么辦?隨著業(yè)務(wù)受季節(jié)性因素影響,未來的銷量如何預測?

1、 時間序列簡介

2、 時序預測的原理及應(yīng)用場景

3、 常見時序預測模型

趨勢類預測模型

季節(jié)類預測模型

平穩(wěn)時序預測模型

其它高級模型

4、 移動平均

應(yīng)用場景及原理

理解滑動窗口

移動平均種類

一次移動平均

二次移動平均

加權(quán)移動平均

移動平均比率法

移動平均關(guān)鍵問題

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:銷售額預測模型及評估

演練:快銷產(chǎn)品季節(jié)銷量預測及評估

5、 指數(shù)平滑

應(yīng)用場景及原理

最優(yōu)平滑系數(shù)的選取原則

指數(shù)平滑種類

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)量預測

6、 Holt趨勢模型(亦稱二次指數(shù)平滑)

Holt線性模型

Holt指數(shù)模型

阻尼線性趨勢

阻尼指數(shù)趨勢

第四部分: 季節(jié)預測模型

1、 因素分解思想

2、 時間序列的四個構(gòu)成要素

長期趨勢Trend

季節(jié)變動Seasonality

循環(huán)變動Circle

不規(guī)則變動Irregular

案例時間序列的季節(jié)分解

3、 Holt-Winters季節(jié)模型

三個組成部分

三個平滑因子

4、 HW加法模型

適用場景

計算公式

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測模型

案例汽車銷量預測模型

案例沃爾瑪收益預測模型

7、 基于回歸的季節(jié)模型

相加模型

相乘模型

模型訓練及優(yōu)化

模型解讀

第五部分: 平穩(wěn)序列模型

1、 平穩(wěn)序列預測模型簡介

2、 序列平穩(wěn)性概念

恒定的均值

恒定的標準差

與位置無關(guān)的協(xié)方差

3、 序列平穩(wěn)性檢驗

折線圖法

ACF/PACF

ADF檢測法

4、 特殊平穩(wěn)序列:白噪聲

案例序列平穩(wěn)性檢驗

案例:白噪聲檢驗

5、 平穩(wěn)序列常用擬合模型

AR(p)自回歸模型

MA(q)移動平均模型

ARMA(p,q)自回歸移動平均模型

6、 模型識別

ACF

PACF

7、 模型定階

圖形定階(ACF/PACF

最小信息準則定階

8、 非平穩(wěn)序列處理

平滑法

變量變換

差分運算: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價建模

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、 時序模型總結(jié)

 

第六部分: 模型質(zhì)量評估篇

1、 回歸模型的評估指標

三個基本概念:SSR/SST/SSE

兩個判定系數(shù):R^2,調(diào)整R^2

三個誤差指標:MAE/MAPE/RMSE

平均絕對誤差MAE

均方差MSE/RMSE

平均誤差率MAPE

2、 模型的評估方法

原始評估法

留出法(Hold-Out)

交叉驗證法(k-fold cross validation)

自助采樣法(Bootstrapping)

3、 時間序列的滾動交叉驗證

 

第七部分: 高級時序模型

1、 Prophet模型介紹

趨勢擬合

季節(jié)性預測

節(jié)假日和特殊事件的影響

離群值分析

案例銷售額時序預測模型

2、 LSTM模型簡介

數(shù)據(jù)集構(gòu)造

形狀構(gòu)造

滾動預測

 

第八部分: 廣告點擊量時序建模

 

結(jié)束:課程總結(jié)問題答疑。

 
反對 0舉報 0 收藏 0
更多>與Python數(shù)據(jù)建模相關(guān)內(nèi)訓課
企業(yè)家經(jīng)營哲學與企業(yè)經(jīng)營之道 高   效   執(zhí)   行   力 教練式經(jīng)銷商管理 商業(yè)模式創(chuàng)新 創(chuàng)新思維管理應(yīng)用訓練?—創(chuàng)造性解決問題 創(chuàng)新思維和有效執(zhí)行 微課的設(shè)計與制作 高效能主管風暴訓練營
傅一航老師介紹>傅一航老師其它課程
大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新 大數(shù)據(jù)挖掘工具:SPSS Modeler入門與提高 大數(shù)據(jù)挖掘工具: SPSS Statistics入門與提高 大數(shù)據(jù)建模與模型優(yōu)化實戰(zhàn)培訓 金融行業(yè)風險預測模型實戰(zhàn) 數(shù)說營銷——大數(shù)據(jù)營銷實戰(zhàn)培訓 大數(shù)據(jù)分析與挖掘綜合能力提升實戰(zhàn) 助力市場營銷與服務(wù)的數(shù)據(jù)分析實戰(zhàn)
網(wǎng)站首頁  |  關(guān)于我們  |  聯(lián)系方式  |  誠聘英才  |  網(wǎng)站聲明  |  隱私保障及免責聲明  |  網(wǎng)站地圖  |  排名推廣  |  廣告服務(wù)  |  積分換禮  |  網(wǎng)站留言  |  RSS訂閱  |  違規(guī)舉報  |  京ICP備11016574號-25