数据分析与挖掘学习（一）

数据分析与挖掘过程

一. 定义挖掘目标

一般的数据挖掘任务包括：
1. 分类与预测
2. 聚类分析
3. 关联规则
4. 时序模式
5. 偏差检验
6. 智能推荐

二. 数据取样

抽取一个与挖掘目标相关的样本子集，标准是
1. 相关性
2. 可靠性
3. 有效性
而不是选用全部数据做样本。
数据样本选取得好，还可以使我们要寻找的规律更加凸显出来

三. 数据探索

拿到样本数据集之后，开始进行数据探索，下面是一些探索的内容：
1. 项目中有没有什么明显的规律和趋势
2. 属性之间有什么相关性
3. 它们可以分成怎样一些类别
4. …
具体可能还包括下面的内容：
1. 异常值分析
2. 缺失值分析
3. 相关性分析
4. 周期性分析

四. 数据预处理

五. 挖掘建模

六. 模型评价

（编辑：ASP站长）

【免责声明】本站内容转载自互联网，其相关言论仅代表作者个人观点绝非权威，不代表本站立场。如您发现内容存在版权问题，请提交相关链接至邮箱：bqsm@foxmail.com，我们将及时予以处理。