☆ 1、如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
      ☆ 2、在課程結(jié)束之后,授課老師會(huì)留給學(xué)員手機(jī)和E-mail,免費(fèi)提供半年的課程技術(shù)支持，以便保證培訓(xùn)后的繼續(xù)消化；
      ☆3、合格的學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。
      ☆4、合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)。

• CART是Salford Systems的旗艦數(shù)據(jù)挖掘軟件，該軟件是一款功能強(qiáng)大、易操作的決策樹，能自動(dòng)篩選復(fù)雜的數(shù)據(jù)。
• 美國(guó)Salford Systems公司創(chuàng)建于1983年，總部位于美國(guó)加利福尼亞州圣地亞哥。公司提供先進(jìn)的數(shù)據(jù)挖掘和商業(yè)智能軟件和咨詢服務(wù)。獲獎(jiǎng)軟件被成功應(yīng)用于復(fù)雜數(shù)據(jù)分析，包括預(yù)測(cè)建模和劃分方面，并應(yīng)用于信用風(fēng)險(xiǎn)評(píng)分、目標(biāo)市場(chǎng)營(yíng)銷、分析型的客戶關(guān)系管理(CRM)、欺詐和非法侵入檢測(cè)、網(wǎng)站個(gè)性化、藥品研發(fā)、制造業(yè)質(zhì)量控制。使用Salford Systems產(chǎn)品和服務(wù)的行業(yè)包括銀行業(yè)、金融服務(wù)、保險(xiǎn)、電信、交通、醫(yī)藥品、保健、制造業(yè)、法律的實(shí)施和安全、零售和目錄銷售和教育。世界范圍有超過4,500個(gè)站點(diǎn)，其中包括300個(gè)重要大學(xué)，均安裝Salford Systems軟件。公司主要客戶規(guī)模大小不同，其中不少是Fortune 500強(qiáng)企業(yè)，包括美國(guó)運(yùn)通（American Express）, 輝瑞制藥（Pfizer Pharmaceuticals）, 通用汽車（General Motors）、西爾斯羅巴客（Sears, Roebuck and Co）。
• ?
• CART? - 分類和回歸樹
• 終極分類樹：
• Salford Predictive Modeler的CART?建模引擎是最終的分類樹，它徹底改變了高級(jí)分析領(lǐng)域，并開創(chuàng)了當(dāng)前數(shù)據(jù)科學(xué)的時(shí)代。CART是現(xiàn)代數(shù)據(jù)挖掘中最重要的工具之一。
• ?
• 專有代碼：
• 從技術(shù)上講，CART建模具有引擎基于1984年斯坦福大學(xué)加州大學(xué)伯克利分校的四位世界知名統(tǒng)計(jì)學(xué)家引入的具有里程碑意義的數(shù)學(xué)理論。CART建模引擎是SPM的分類和回歸樹實(shí)現(xiàn)，是唯一體現(xiàn)原始專有代碼的決策樹軟件。
• ?
• 速度快，用途廣泛：
• CART建模引擎的專利擴(kuò)展專門用于增強(qiáng)市場(chǎng)研究和網(wǎng)絡(luò)分析的結(jié)果。CART建模引擎支持高速部署，允許Salford Predictive Modeler的模型大規(guī)模實(shí)時(shí)預(yù)測(cè)和評(píng)分。多年來，CART建模引擎已成為分析師可用的最流行且易于使用的預(yù)測(cè)建模算法之一，它也被用作許多基于裝袋和增強(qiáng)的現(xiàn)代數(shù)據(jù)挖掘方法的基礎(chǔ)。
  
• Salford Systems公司數(shù)據(jù)挖掘工具介紹：
• CART (分類和回歸樹)是基于斯坦福大學(xué)和加州大學(xué)伯克利分校的統(tǒng)計(jì)學(xué)家 Leo Breiman、Jerome Friedman、Richard Olshen 和 Charles Stone開發(fā)的原CART代碼的決策樹軟件。CART具有高速、精確和容易使用的特點(diǎn)，并自動(dòng)對(duì)數(shù)據(jù)提供深入的探索研究，產(chǎn)生高度可理
  解的預(yù)測(cè)模型。
  
• MARS (多變量適應(yīng)回歸樣條)，是快速靈活的數(shù)據(jù)挖掘和預(yù)測(cè)模型的回歸工具，是神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)統(tǒng)計(jì)模型以外可供選擇的理想方法。
• TreeNet 是新一代高速，錯(cuò)誤容忍，并具有超常精確性的預(yù)測(cè)建模工具。TreeNet僅需要很少的數(shù)據(jù)準(zhǔn)備工作，巧妙的處理有缺陷的數(shù)據(jù)，自動(dòng)適應(yīng)缺失領(lǐng)域，并且進(jìn)行廣泛的自檢，使得模型應(yīng)用于新數(shù)據(jù)時(shí)的效果也得到保證。TreeNet模型經(jīng)常由500或更多的小決策樹組成。清晰的圖表概括了每個(gè)關(guān)鍵變量對(duì)于結(jié)果的影響。
  
• RandomForests 是另一個(gè)新一代的樹集合技術(shù)，該技術(shù)把大量樹結(jié)合起來，組成高性能的分類器和預(yù)測(cè)模型?；贚eo Breiman先驅(qū)性的研究RandomForests具備從數(shù)據(jù)結(jié)構(gòu)中抽取關(guān)鍵信息的獨(dú)特能力，并首次提供帶有度量和無假定的聚類和分割。
• ?
• CART is an acronym for Classification and Regression Trees, a decision-tree procedure introduced in 1984 by world-renowned UC Berkeley and Stanford statisticians, Leo Breiman, Jerome Friedman, Richard Olshen, and Charles Stone.
• CART uses an intuitive, Windows based interface, making it accessible to both technical and non technical users. Underlying the "easy" interface, however, is a mature theoretical foundation that distinguishes CART from other methodologies and other decision trees. CART is the only decision tree system based on the original CART code developed by world renowned Stanford University and University of California at Berkeley statisticians; this code now includes enhancements that were co-developed by Salford Systems and CART's originators.
• Based on a decade of machine learning and statistical research, CART provides stable performance and reliable results.
• In addition, CART is an excellent pre-processing complement to other data analysis techniques. For example, CART's outputs (predicted values) can be used as inputs to improve the predictive accuracy of neural nets and logistic regression. NEW TreeCoder Model Deployment Module TreeCoder is an add-on module for deploying CART models directly in SAS -- quickly and accurately.
• The decision logic of a CART tree, including the surrogate rules utilised if primary splitting values are missing, is automatically implemented. The resulting source code can be dropped into a SAS run without modification thus eliminating errors due to hand coding of decision rules and enabling fast and accurate model deployment.