学习在具体行业背景下用户流失预警模型的实战操作。

*   01 学前测试/

  *   01 学前测试

*   02 电信客户流失案例之商业理解/

  *   01 流失分析课程介绍

  *   02 希望回答的商业问题

  *   03 流失可能和哪些因素相关

  *   04 如何定义时间窗口与挽留收益

  *   05 本课程案例数据及文档下载

*   03 数据理解与数据准备/

  *   01 数据理解与数据准备阶段要做的工作

  *   02 数据源概况

  *   03 特征工程概述

  *   04 对案例的数据探索：概述

  *   05 对案例的数据探索：代码实现

  *   06 极端值与异常值的处理

  *   07 连续特征的处理思路

  *   08 连续特征的分箱

  *   09 分类特征的处理

  *   10 缺失值的处理

  *   11 特征筛选

  *   12 数据衍生的基本思路

  *   13 本案例数据准备的具体操作

  *   14 章节测试

*   04 电信案例的建模分析/

  *   01 如何选择分析模型

  *   02 【补课】聚类分析概述

  *   03 【补课】聚类分析的方法框架

  *   04 用聚类做客户群体细分

  *   05 【补课】树模型的基本原理

  *   06 【补课】树模型的各种算法

  *   07 用树模型生成流失规则

  *   08 【补课】神经网络的基本原理

  *   09 【补课】神经网络原理的具体演示

  *   10 用神经网络计算流失评分

  *   11 【补课】模型参数的网格搜索

  *   12 神经网络的参数调优

*   05 模型应用及营销预演/

  *   01 从模型结果到营销预演

  *   02 营销预演的代码实现

  *   03 流失分析进一步的改进方向

  *   04 章节测试

*   06 银行客户流失案例之商业理解/

  *   01 银行业务的一些基本概念

  *   02 流失分析对银行业务的价值

*   07 更专业的数据准备流程/

  *   01 内部与外部数据源

  *   02 数据字典的应用价值

  *   03 银行数据的预处理

  *   04 银行数据的变量衍生

  *   05 第三方数据的预处理

  *   06 数据源的合并

  *   07 章节测试

*   08 银行案例的建模分析/

  *   01 【补课】GBDT方法介绍

  *   02 GBDT模型的应用

  *   03 GBDT调优：调节模型整体参数

  *   04 GBDT调优：单棵树参数与综合调优

  *   05 【补课】模型集成的基本原理

  *   06 多种模型的联合应用

  *   07 章节测试

*   09 结课测试/

  *   01 结课测试