Python数据分析行业案例:客户流失分析
体系课

Python数据分析行业案例:客户流失分析

  • 数据挖掘与分析

以实际的行业流失分析案例,玩转数据挖掘的应用技术

¥349.9
本课程包括
  • 10小时57分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
你将收获
  • 掌握行业客户流失案例详解
  • 学习专业的数据准备流程
  • 学会针对案例的建模分析
  • 掌握模型的应用和营销预演

数千家企业正在使用三节课企业版学习

无限制学习2000+门课程,200+精选学习专题

免费申请体验>
课程介绍

这门课程是流失分析在具体行业中的业务应用,属于 Python 系列课程里面的行业案例课程,属于高级的内容。

玩转数据挖掘,在流失分析的案例分析中,我们会用到各种各样的模型,神经网络数据模型、 GBDT 、还有聚类分析等等,后面还会涉及到模型的评估、模型的参数调优,比如说数模型的参数调优、神经网络的参数调优以及模型的联合使用。

课程的基本目标,就是做成一个行业的模板,相应的代码,相应的分析思路,大家学习以后是可以拿到实际的行业中加以应用的。

适合人群
  • 想要转行大数据处理的研发及业务的小伙伴
  • 企业内的Python数据分析师和中高级业务数据分析师
  • 企业内需要数据建模技术的算法工程师
  • 企业内数据流失分析部门的相关同学
讲师介绍
博士,数据分析与挖掘专著的作者
擅长领域:
  • 数据挖掘与分析
张文彤老师拥有20+年数据分析/统计软件商业培训经验,精通业内广泛使用的SAS、SPSS、Modeler、R、Tableau、Python等数据分析/挖掘工具,曾作为SPSS官方培训师,从2001年起一手协助SPSS中国建立其培训体系 。
课程大纲
共0节 时长0分钟 全部收起
第1章 电信客户流失案例之商业理解
共3节 | 25分钟
  • 1-1 希望回答的商业问题
    8分钟
  • 1-2 流失可能和哪些因素相关
    11分钟
  • 1-3 如何定义时间窗口与收益
    7分钟
第2章 数据理解与数据准备
共13节 | 3小时33分钟
  • 2-1 数据理解与准备阶段要做的工作
    7分钟
  • 2-2 数据源概况
    13分钟
  • 2-3 特征工程概述
    19分钟
  • 2-4 数据探索:概述
    13分钟
  • 2-5 数据探索:代码实现
    16分钟
  • 2-6 极端值与异常值的处理
    15分钟
  • 2-7 连续特征的转换
    12分钟
  • 2-8 连续特征的分箱
    18分钟
  • 2-9 分类特征的转换
    13分钟
  • 2-10 缺失值处理
    26分钟
  • 2-11 特征筛选
    14分钟
  • 2-12 数据衍生的基本思路
    24分钟
  • 2-13 实际数据处理
    22分钟
第3章 电信案例的建模分析
共12节 | 3小时4分钟
  • 3-1 如何选择分析模型
    25分钟
  • 3-2 聚类分析概述
    15分钟
  • 3-3 聚类分析的方法分类
    10分钟
  • 3-4 用聚类做群体细分
    23分钟
  • 3-5 树模型的基本原理
    15分钟
  • 3-6 树模型的各种算法
    16分钟
  • 3-7 用树模型生成流失规则
    13分钟
  • 3-8 神经网络的基本原理
    16分钟
  • 3-9 神经网络的算法实质
    11分钟
  • 3-10 用神经网络计算流失评分
    11分钟
  • 3-11 参数的网格搜索
    12分钟
  • 3-12 神经网络的参数调优
    17分钟
第4章 模型应用及营销预演
共3节 | 36分钟
  • 4-1 从模型结果到营销预演
    12分钟
  • 4-2 营销预演的实现
    18分钟
  • 4-3 进一步的改进方向
    6分钟
第5章 银行流失案例之商业理解
共2节 | 38分钟
  • 5-1 银行业务概述
    21分钟
  • 5-2 流失分析对银行业务的价值
    17分钟
第6章 更专业的数据准备流程
共6节 | 1小时23分钟
  • 6-1 内部与外部数据源
    16分钟
  • 6-2 数据字典
    21分钟
  • 6-3 银行数据的预处理
    13分钟
  • 6-4 银行数据的变量衍生
    10分钟
  • 6-5 第三方数据的处理
    15分钟
  • 6-6 数据源的合并
    8分钟
第7章 银行案例的建模分析
共6节 | 1小时18分钟
  • 7-1 GBDT方法介绍
    16分钟
  • 7-2 GBDT模型的应用
    9分钟
  • 7-3 GBDT调优1:模型整体参数
    13分钟
  • 7-4 GBDT调优2:单棵树参数与综合调优
    14分钟
  • 7-5 模型集成的基本原理
    13分钟
  • 7-6 模型的联合应用
    14分钟
课程代码包
图文
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。