Prezentacja programu PowerPoint

Kwestie organizacyjne:

•

E-learning:

hasło: predyktor

•

Obecność:

2 nieobecności

Zaliczenie

•

Moduł: 45 z 100 punktów

Test: 25 punktów

Raport z badań: 15 punktów

Zadanie domowe: 5 punktów

•

Zakres pytań: prezentacje + informacje
przekazane podczas ćwiczeń

Tematyka poruszana podczas zajęć:

Marketing i pytania statystyczne.

Ogólny model liniowy i regresja wieloraka.

Regresja logistyczna.

Metody

redukcji

wymiarów

(analiza

głównych

składowych, analiza czynnikowa).

Pozycjonowanie (analiza dyskryminacyjna, skalowanie).

Metody klasyfikacji (segmentacja, analiza skupień,
analiza drzew hierarchicznych).

Podsumowanie zajęć, prezentacje.

Badania marketingowe

(Definicja American Marketing Association):

funkcja wiążąca konsumenta, klienta i opinię publiczną z

menedżerem

marketingu

poprzez

informację

wykorzystywaną do

•

identyfikowania i wykorzystywania marketingowych

szans i zagrożeń,

•

tworzenia,

doskonalenia

oceny

działań

marketingowych,

•

monitorowania wyników marketingu.

Badanie marketingowe: określa jakie informacje są

niezbędne, projektuje metodę zbierania informacji, wdraża

proces

zbierania

danych,

analizuje

wyniki,

komunikuje wyniki oraz wnioski

Eksploracja danych
Data Mining

•

Analiza (często ogromnych) zbiorów danych
obserwacyjnych w celu znalezienia nieoczekiwanych
związków i podsumowania danych w oryginalny
sposób

•

Tak aby były zarówno zrozumiałe, jak i przydatne
dla ich właściciela

Typowe zadania w analizie danych:

Klasyfikacja: ocena cech nowego obiektu i

przewidywanie do jakiej wcześniej zdefiniowanej klasy

będzie należał.

– np. skoring finansowy dla kredytów, skoring marketingowy

akceptacji nowej oferty, przynależność do grupy segmentacyjnej.

Estymacja: ocena wartości pewnej ciągłej zmiennej na

podstawie innych zmiennych.

np. ocena wartości transakcji z konsumentem (life – time value

CLV

)

Predykcja: przewidywanie przyszłych wartości na

podstawie danych historycznych (może to być estymacja

lub klasyfikacja)

np. przewidywanie akceptacji nowych ofert, ryzyko odejścia,

przyszłe wartości kursów akcji

Tworzenie reguł asocjacyjnych: poszukiwanie zależności, które
da się przedstawić w postaci „jeżeli A, to B”.

- np. przygotowywanie ofert cross – selling i up – selling, organizacja
towaru na półkach

Łączenie w grupy (clustering): poszukiwanie grup obiektów,
które pod jakimś względem są podobne do siebie i łączenie ich
grupy (liczba grup nie jest znana z góry)

- np. poszukiwanie segmentów konsumentów, analiza podobieństwa

produktów

Tworzenie profili: opisywanie zależności w zbiorze danych w
sposób ułatwiające zrozumienie

- np. opis cech wyborców głosujących na polityków danej partii, opis cech
osób często kupujących produkt X

Metody wykorzystywane w analizie danych:

Metody matematyczne, wykorzystujące operacje na wartościach
cech obiektów:

regresja liniowa, regresja logistyczna, analiza dyskryminacyjna,

analiza głównych składowych, sieci neuronowe, klasyfikacja bayesowska

Metody dystansowe, polegają na znalezieniu najbliższych
sąsiadów (najbardziej podobne) i określeniu cech obiektu na
podstawie cech sąsiadów

hierarchiczna analiza skupień, analiza skupień metodą k –

średnich, skalowanie wielowymiarowe

Metody logiczne – łączą informacje z próby wykorzystując
operatory prawda / fałsz

analiza drzew hierarchicznych

1. Czym jest model?
Model jest równaniem, zmienna zależna ma charakter ilościowy, zmienne
niezależne są ilościowe, zmienne jakościowe mogą być wykorzystane jako
wskaźnikowe

2. Algorytm budowania modelu
Metoda najmniejszych kwadratów – minimalizacja sumy kwadratów
odchyleń wartości wykorzystanych do modelowania od wartości w modelu

3. Wynik modelowania
Równanie, opisujące wartości zmiennej zależnej jako liniową kombinacją
zmiennych niezależnych

4 Wskaźnik dopasowania modelu
Wartość R kwadrat, czyli proporcja sumy kwadratów dla wartości
opisanych przez równanie regresji do całkowitej sumy kwadratów
(najczęściej w wersji skorygowanej, po uwzględnieniu liczby obiektów i
liczby predyktorów)

1. Czym jest model?

Model jest grafem obrazującym relacje podobieństwa między
testowanymi obiektami

2. Algorytm budowania modelu

Kolejne kroki łączenia obiektów w pary na podstawie wyliczonych
wartości „geometrycznego podobieństwa” w przestrzeni N-1 wymiarowej

3. Wynik modelowania
Najważniejszym wynikiem modelowania jest dendrogram obrazujący
kolejność łączenia obiektów oraz odległości między nimi (także w
postaci tabeli jako przegląd aglomeracji)

4. Wskaźnik dopasowania modelu
Jako wskaźnik dopasowania modelu można wykorzystać testy F dla
poszczególnych analizowanych zmiennych po przypisaniu badanym
obiektom kategorii skupień

5. Upraszczanie modelu
HAS przedstawia podobieństw między wszystkimi obiektami wychodząc
od N skupień (tyle ile jest obiektów) do jednego skupienia. Trudno jest
podać analityczne metody odcięcia drzewa skupień na jakimś poziomie

6. Założenia
Wykonanie HAS jest możliwe, gdy liczba danych jest odpowiednio
większa od liczby wymiarów (50%) oraz gdy jest sensowne traktowanie
relacji między obiektami jako odległości

Ad 1. Algorytm budowania modelu: dendrogram jest
tworzony w wyniku iteracji, czyli analizy podobieństwa w
kolejnych krokach.

Analiza podobieństwa jest zależna od definicji metryki
podobieństwa (jak w MDS)

Podobieństwo między ob. 5 i ob. 6 jest wyższe niż między 3 i 4
(linie pionowe na dendrogramie są krótsze)

1. Czym jest model?

Hierarchiczny graf obrazujący przynależność do kategorii jakościowej
zmiennej zależnej na podstawie wartości zmiennych niezależnych, które
mogą być jakościowe i ilościowe

2. Algorytm budowania modelu

Model najczęściej tworzony jest przez rekurencyjne tworzenie drzewa, w
którym każdy obiekt jest końcowym „liściem” a potem drzewo jest
przycinane, tak, aby utrzymać na odpowiednim poziomie procent
poprawnych klasyfikacji

5. Upraszczanie modelu
Upraszczanie modelu polega na przycinaniu drzewa i z reguły jest
wykonywane automatycznie przez algorytm obliczeniowy

6. Założenia
Zmienna zależna musi być jakościowa. Nie ma założeń, co do
charakteru ZN (choć może być potrzeba równoważenia zbioru
danych).

3. Wynik modelowania
Wynikiem modelowania jest graf obrazujący drzewo, który może być
przestawiony także w postaci reguł „Jeżeli …., to …”

4. Wskaźnik dopasowania modelu
Podstawowym wskaźnikiem modelu jest procent poprawnych i
błędnych klasyfikacji (czasem także możliwe jest obliczenie kosztów
takich klasyfikacji i ważności predykatów)

SPSS 22

Analiza drzew hierarchicznych

Definiujemy wybrane
zmienne.

UWAGA!

Zmienna zależna musi
być kategorialna

Ta
k

Ni
e

Wyniki drzewa można opisać przy pomocy reguł:
Jeżeli A i B i C …, to X (gdzie X jest nazwą kategorii)

Ocena drzewa – wykres klasyfikacji