Data Mining mit IBM SPSS Modeler für Einsteiger

Alle, die mit modernen Verfahren des Data Mining Muster und Beziehungen in Daten erkennen wollen. Mit diesen können Entscheidungsfindungen unterstützt sowie Ergebnisse aussagekräftig und messbar verbessert werden.

Lernziele

• Einblick in typische Data-Mining-Fragestellungen
• Überblick über die Methoden der Data-Mining und deren
• Umsetzung in die Praxis mit IBM SPSS Modeler

Inhalt

IBM SPSS Modeler unterstützt den gesamten Data-Mining-Prozess, dessen einzelne Phasen – vom Datenzugriff und der Datenaufbereitung über die Bildung verschiedener Modelle bis hin zur Modellierung – anhand realer Fragestellungen besprochen werden.

Agenda

• Überblick Data Mining mit IBM SPSS Modeler
• Aufbau IBM SPSS Modeler
• Typische Fragestellung des Data Mining
• Einführung in den Prozess-Standard CRISP-DM
• Datenimport
• Zugriff auf strukturierte, ODBC-fähige Datenquellen
• Import von Textdateien
• Einlesen proprietärer Datenformate (IBM SPSS Statistics, SAS)
• Aufbereitungsoptionen
• Möglichkeiten zu Auswahl, Aufbau und Zusammensetzung von Datensätzen (Verbinden, Anhängen, Sortieren, Balancieren)
• Datenvalidierung, Datenexploration und automatische Prüfung der Datenqualität
• Ableitung, Neuberechnung von Variablen bzw. Ersetzen von Variablen
• Umkodieren, Klassieren und Dichotomisieren
• Visualisierung (Diagramme), Modellbildung und Evaluation
• Modellbildung: Übersicht der verfügbaren Verfahren und Hinweise zu Anwendungsgebieten
• Fallbeispiel: Kundenklassifikation mit Hilfe unterschiedlicher Klassifizierungsverfahren
• Modellevaluation (Gain Charts) und Vergleich verschiedener Modelle (Fehlerklassifizierung, Trefferquoten)
• Speichern und Exportieren von Klassifikations- und Scoring-Ergebnissen
• Wiederverwendung der Analysen in Folgeprojekten

Voraussetzungen: Dieser Kurs ist ideal für Einsteiger in die Nutzung der professionellen Data-Mining-Workbench IBM SPSS Modeler. Grundkenntnisse in Statistik und Datenaufbereitung sind von Vorteil.