投影片1Webcasting教學(xué)講解課件

金融與製造業(yè)應(yīng)用案例研討謝邦昌輔仁大學(xué)統(tǒng)計(jì)資訊學(xué)系教授

中華資料採(cǎi)礦協(xié)會(huì)理事長(zhǎng)輔仁大學(xué)DataMining專題研究團(tuán)隊(duì)金融與製造業(yè)應(yīng)用案例研討謝邦昌知識(shí)發(fā)現(xiàn)與資料採(cǎi)礦-CRISP-DM資料採(cǎi)礦步驟DataBusinessUnderstandingDataUnderstandingDataPreparationModelingEvaluationDeployment知識(shí)發(fā)現(xiàn)與資料採(cǎi)礦-CRISP-DM資料採(cǎi)礦步驟DataBu資料採(cǎi)礦功能分類：主觀分類推估：透過信用卡張數(shù)及每月薪水推估其每月信用卡消費(fèi)金額預(yù)測(cè)：股價(jià)預(yù)測(cè)關(guān)聯(lián)分組：產(chǎn)品組合促銷集群化：客觀分群資料採(cǎi)礦功能分類：主觀分類資料採(cǎi)礦方法群集分析是一種劃分方法，目的在將一些事物歸併在一起，利用群體中各事物都具有相同的特性，而在群體與群體之間卻有顯著的差異。決策樹是從一個(gè)或多個(gè)預(yù)測(cè)變數(shù)中，針對(duì)類別應(yīng)變數(shù)的階級(jí)，預(yù)測(cè)案例或物件的關(guān)係；分類樹的目標(biāo)是針對(duì)類別應(yīng)變數(shù)加以預(yù)測(cè)或解釋反應(yīng)結(jié)果。資料採(cǎi)礦方法群集分析是一種劃分方法，目的在將一些事物歸併在一建構(gòu)銀行業(yè)信用卡顧客區(qū)隔之資料採(cǎi)礦架構(gòu)建構(gòu)銀行業(yè)信用卡顧客區(qū)隔之資料採(cǎi)礦架構(gòu)研究動(dòng)機(jī)高度競(jìng)爭(zhēng)使得各發(fā)卡銀行對(duì)於審核信用卡申請(qǐng)者之限制趨於寬鬆，而授信的品質(zhì)漸漸下滑，導(dǎo)致催收帳款增加，呆帳日漸累積，銀行需花大量成本和人力去處理這些壞帳反而得不償失。掌握資料採(cǎi)礦針對(duì)通過給予發(fā)卡的客戶加以分類管理，以彌補(bǔ)不良的受信制度以及降低其風(fēng)險(xiǎn)。研究動(dòng)機(jī)高度競(jìng)爭(zhēng)使得各發(fā)卡銀行對(duì)於審核信用卡申請(qǐng)者之限制趨於研究架構(gòu)資料採(cǎi)礦架構(gòu)問題定義與架構(gòu)結(jié)果解釋與評(píng)估建立採(cǎi)礦模式資料準(zhǔn)備驗(yàn)證信用卡資料DB研究架構(gòu)資料採(cǎi)礦架構(gòu)問題定義與架構(gòu)結(jié)果解釋與評(píng)估建立採(cǎi)礦模式建立資料採(cǎi)礦模式群集分析建立顧客分群透過顧客特性資料，建立不同分群各群中，顧客特質(zhì)具有高度同質(zhì)性群集建立資料採(cǎi)礦模式群集分析建立顧客分群群集建立資料採(cǎi)礦模式?jīng)Q策樹分析建立顧客特性分類利用層級(jí)架構(gòu)特性分析不同變因?qū)蛹?jí)決策樹將結(jié)果轉(zhuǎn)成一系列分類規(guī)則，並載入專家系統(tǒng)中，完成知識(shí)擷取建立資料採(cǎi)礦模式?jīng)Q策樹分析建立顧客特性分類決策樹將結(jié)果轉(zhuǎn)成一群集分析建立顧客分群利用群集分析，找出各群特性群集分析建立顧客分群利用群集分析，找出各群特性決策樹分析建立顧客特性分類根據(jù)LiftChart,ProfitChart檢視資料決策樹分析建立顧客特性分類根據(jù)LiftChart,Pro各群特性第一群：高利潤(rùn)信用卡使用頻率低未婚且15~34歲族群職業(yè)以農(nóng)、林、漁、牧業(yè)為最多其次分別為事務(wù)職與銷售職第二群：高風(fēng)險(xiǎn)逾期超過30天佔(zhàn)10.81%呆帳記錄佔(zhàn)9.86%借款餘額>800萬佔(zhàn)12.40%退票紀(jì)錄佔(zhàn)10.82%拒往記錄佔(zhàn)10.82%強(qiáng)制停卡記錄佔(zhàn)11.77%年齡層為25~54歲為主、已婚族群刷卡金額有41.73%的人在40001~60000元第三群：高利潤(rùn)一年內(nèi)有申請(qǐng)的意願(yuàn)未婚年齡層主要為35~49歲個(gè)人收入<20000元且其中有63.05%沒有收入平均月開銷在10001~20000元刷卡金額有49.28%的人在60001~80000元各群特性第一群：高利潤(rùn)第二群：高風(fēng)險(xiǎn)第三群：高利潤(rùn)結(jié)論利用這些資訊提早預(yù)測(cè)出可能產(chǎn)生信用卡狀況不良的持卡人，並對(duì)於這些高危險(xiǎn)群加以控管，以降低呆帳的發(fā)生機(jī)率，減少銀行的損失。結(jié)論利用這些資訊提早預(yù)測(cè)出可能產(chǎn)生信用卡狀況不良的持卡人，並建構(gòu)半導(dǎo)體晶圓允收測(cè)試資料採(cǎi)礦架構(gòu)建構(gòu)半導(dǎo)體晶圓允收測(cè)試資料採(cǎi)礦架構(gòu)研究動(dòng)機(jī)資料採(cǎi)礦在半導(dǎo)體產(chǎn)業(yè)上少見相關(guān)研究。迅速有效找到解決半導(dǎo)體製程中的事故原因。針對(duì)半導(dǎo)體晶圓允收測(cè)試資料,發(fā)展製程事故診斷資料採(cǎi)礦結(jié)構(gòu)。研究動(dòng)機(jī)資料採(cǎi)礦在半導(dǎo)體產(chǎn)業(yè)上少見相關(guān)研究。研究架構(gòu)半導(dǎo)體製程事故診斷資料資料採(cǎi)礦架構(gòu)問題定義與架構(gòu)資料準(zhǔn)備建立採(cǎi)礦模式結(jié)果解釋與評(píng)估WAT與製程相關(guān)資料ValidationRestructureAssumptionInductionDeductionInference研究架構(gòu)半導(dǎo)體製程事故診斷資料資料採(cǎi)礦架構(gòu)問題定義與架構(gòu)資料問題定義針對(duì)某年9月10日至9月15日的某WAT測(cè)試參數(shù)值異於正常，推測(cè)找出製程異常之原因問題定義針對(duì)某年9月10日至9月15日的某WAT測(cè)試參數(shù)值異資料準(zhǔn)備工程資料庫所蒐集的資料流程薄膜擴(kuò)散黃光蝕刻貨批WATCP事故診斷良率預(yù)測(cè)工程資料分析系統(tǒng)關(guān)連式資料庫資料準(zhǔn)備工程資料庫所蒐集的資料流程薄膜擴(kuò)散黃光蝕刻貨批WAT建立資料採(cǎi)礦模式?jīng)Q策樹分析在事故診斷的方法利用層級(jí)架構(gòu)特性分析不同變因?qū)蛹?jí)將結(jié)果轉(zhuǎn)成一系列規(guī)則載入專家系統(tǒng)中，完成製程診斷，製程最佳化與知識(shí)擷取建立資料採(cǎi)礦模式?jīng)Q策樹分析在事故診斷的方法將結(jié)果轉(zhuǎn)成一系列規(guī)結(jié)果解釋與評(píng)估決策樹分析結(jié)果以樹狀結(jié)構(gòu)呈現(xiàn)，並將其轉(zhuǎn)化為規(guī)則結(jié)論結(jié)合專業(yè)知識(shí)，確定事故發(fā)生原因使用電子公司的半導(dǎo)體資料顯示：1.使用經(jīng)過各個(gè)站別的不同機(jī)臺(tái)參數(shù)資料縮小事故原因的資料個(gè)數(shù)2.利用資料轉(zhuǎn)換方式，引進(jìn)日期變數(shù)進(jìn)行決策樹分析結(jié)果解釋與評(píng)估決策樹分析結(jié)果使用電子公司的半導(dǎo)體資料顯示：資料採(cǎi)礦無處不在商業(yè)問題Microsoft演算法預(yù)測(cè)類別變數(shù)，例如行銷回應(yīng)、顧客流失、違約預(yù)測(cè)(巴塞爾資本協(xié)定IRB)…決策樹貝氏機(jī)率分類群集類神經(jīng)網(wǎng)路羅吉斯迴歸預(yù)測(cè)連續(xù)變數(shù)，例如預(yù)測(cè)銷售量、預(yù)測(cè)客戶價(jià)值變動(dòng)、預(yù)測(cè)金融商品價(jià)格波動(dòng)...迴歸樹時(shí)間序列類神經(jīng)網(wǎng)路預(yù)測(cè)序列，例如找出網(wǎng)站使用者的點(diǎn)選路徑模式、客戶繳款行為模式、商品購物順序時(shí)序群集找出