Predictive analytics on Big Data

Introduzione alla predictive Analytics
• Data Mining e Machine Learning
• Classificazione, regressione, clustering, associazione
• Utilizzi della predictive analytics per risolverre problemi di business
• Il processo CRISP-DM
• Predictive Analytics Vs Prescriptive Analytics

La preparazione dei dati
• Variabili categoriche e variabili quantitative
• Gestione dei valori mancanti
• Creare le variabili di input
• Riduzione della dimensionalità
• Normalizzazione dei dati

Gli algoritmi
NOTA: per ciascuno di essi i punti trattati sono:
• descrizione dell'algoritmo
• punti di forza e debolezza
• applicazioni pratiche
• esempi:
− Naive Bayes
− Decision Trees
− Support Vector Machines
− Neural Networks
− K-Means Clustering
− Hierarchical Clustering
− Association Rules (Apriori Algorithm)
− Ensemble: Bagging
− Boosting
− Random Forest

La valutazione dei modelli
• Training & Test Set
• La matrice di confusione
• Le metriche per la valutazione della classificazione
• Le curve ROC
• Cross validation

Alcuni case studies
• Churn Analysis
• Fraud Detection
• Marketing Campaign targeting