Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

BUSI3122-E1

A LEVEL 3 MODULE, AUTUMN SEMESTER 2022-2023

INTRODUCTION TO DATA SCIENCE: BIG DATA ANALYSIS IN BUSINESS

Question 1. Assorted True/False Quesetions (20 marks)

Please write on the answer booklet whether each of the following statements is True or False.

a) ‘Whether a customer would like to purchase IPhone 14 or not’ is  an  example of classification problems in data mining. (2 marks)

b) Predicting the relationship between the customer number and the price of the product is an example of regression tasks in data mining. (2 marks)

c) Jane and Rob share 10 friends, we would like to predict whether they are also friends to each other. This is an example of co-occurrence grouping tasks. (2 marks)

d) In the data mining terminology, one variable is the same as one feature. (2 marks)

e) Logistic regression is one kind of predictive model for regression tasks. (2 marks)

f)  Generalization tries to find the real pattern that can be applied to new data, while

Overfitting may find some patterns that only fit the training data. (2 marks)

g) Similarity measures are most essential for Naïve Bayes. (2 marks)

h) SVM chooses the line to minimize the margin between two classes. (2 marks)

i)  Profit Curve and Lift Curve share the same X-axis. (2 marks)

j)  Each individual tree in the Random Forest is built on all observations. (2 marks)

Question 2. Naïve Bayesian (25 marks)

The following dataset contains loan information and can be used to try to predict whether a borrower will default (the last column is the classification). We are going to build a Naïve Bayes model  to determine whether a loan X should be classified as a Defaulted Borrower or not. So, determine which is larger, P(Yes|X) or P(No|X) :

a) First, please calculate the prior probabilities for Defaulted Borrower (P(YES)) and Non-

c)  Based on the logistic regression result table, construct the ROC curve and calculate the AUC. Hint: the ROC curve is a set of line segments parallel or vertical to the x-axis. (10 marks)

d) If we have a new profile that has values of Fitness = 3, Music = 1. Education = 3, and Alcohol = 1, use the estimated logistic regression equation to compute the probability of Joseph's interest in this profile. (5 marks)

Question 4. Decision Analytic Thinking (25 marks)

As the World Cup 2022 is ongoing in Qatar now, you are about to launch a legal betting shop in your neighbourhood. Thanks to your friend Lucky Yu, a veteran in the betting shop business, you have access to an extensive dataset on existing customers, including gender, age, demographic information by zip code, and their betting history. You plan to send invitations to residents in your area (with a targeting cost) and run experiments under the following assumptions:

Customers’ bets may vary.

Customers may place a bet when they pass by your betting shop (even when they did not receive the invitation).

Targeting cost is fixed.

Other than the targeting cost, there are no additional costs.

You  have  been  asked  to  build  several  data  mining  models  that  would  suggest  which customers should be targeted to maximize your profit. Use the expected value framework to determine what models should be used to address the problem, and explain the dataset you need for each of them.

Note: It is sufficient to write down the correct expected value equations to identify the models that should be constructed.  You need to consider different situations and build individual models for different situations.