培训受众: 本课程是为有兴趣建立或理解数据挖掘、决策支持系统的技术人员而开发的高级培训。也适用于业务分析及市场数据分析人员。 课程收益: 完成此门课程，学员将具备以下能力：
掌握数据挖掘的应用范围及技术发展方向
了解数据挖掘在各行业的应用
掌握关联分析算法及应用场景
掌握分类算法及应用场景
掌握聚类分析算法及应用场景
熟悉数据挖掘的其他算法
掌握数据挖掘步骤与CRISP－DM标准流程
掌握主流数据挖掘工具SPSS Clementine的应用
能够灵活运用本课所学知识，使用数据挖掘技术辅助业务分析 课程大纲: 课程大纲:
此门课程介绍了数据挖掘的基本理论和实际应用技术。重点介绍了数据挖掘的基本算法，包括关联分析技术、分类和预测技术、聚类分析技术等，以及算法的应用案例，课程还介绍了数据挖掘步骤及流程，并以SPSS Clementine为例讲解了数据挖掘工具的使用。
第一天数据挖掘简介
数据挖掘系统的分类
示例：数据挖掘在各行业中的应用
数据预处理
描述性数据汇总
数据清理
数据集成和变换
数据归约
统计学中的几个基本概念
数据挖掘工具 SPSS Clementine
工具简介
工具安装
读取数据文件
建模及模型评价过程
Clementine中的数据挖掘各种算法介绍
实验：使用Clementine统计软件进行挖掘前的数据浏览与预处理
第二天数据挖掘过程CRISP-DM简介
数据挖掘算法概述
关联和相关
购物篮分析
频繁模式挖掘
Apriori算法介绍
挖掘各种类型的关联规则
由关联挖掘到相关分析
关联分析算法的使用场景
Clementine关联分析技术
GRI/Carma/Apriori算法
实例1：使用关联分析进行业务挖掘
实例2：使用关联分析套餐捆绑挖掘
第三天分类
用决策树归纳分类
神经网络
贝叶斯分类
基于规则的分类
分类算法的使用场景
实例：使用分类方法进行客户流失分析
回归分析与预测
时间序列
Clementine分类技术
决策树技术、Logistics回归、神经网络
示例：使用回归（时间序列）分析进行网络流量预测
第四天聚类分析
聚类分析中的数据类型
划分方法
层次方法
基于密度的方法
基于网格的方法
聚类算法的使用场景
Clementine聚类技术
Kohonen网络/两步聚类/K-means
实例：聚类分析实例，客户聚类
数据挖掘模型评价
Clementine中的模型评估技术
评估图、分析节点