数据挖掘建模过程
一、数据挖掘(Data Mining，DM)，又称为数据库中的知识发现(Knowledge Discover in Database，KDD)，决策支持过程，主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，分析、归纳、推理，挖掘潜在的模式，帮助决策者调整市场策略，减少风险，做出正确决策。知识发现的的三个阶段：1、准备数据； 2、数据挖掘； 3、结果表达和解释
最著名的数据挖掘标准流程：CRISP-DM
全称为跨行业数据挖掘标准流程，分为6个阶段：业务理解、数据理解、数据准备、建模、评估、发布
(1) 业务理解：分析需求、初步收集数据和指标
(2)数据理解：理解各个数据字段的含义所记录的业务信息。
(3)数据准备：数据清洗、提出、转换，提取样本，清除噪声，处理缺失数据，数据标准化。
(4)建模：参数调整使模型最优。
(5)评估：评估、挑选最佳模型。
(6)发布：将模型运用于实践，跟踪反馈，了解效果，后期优化。
SAS数据挖掘方**：SEMMA
(1)Sample-数据取样
(2)Explore-数据探索
(3)Modify-数据修正
(4)Model-建模
(5)Assess-评估
二、经验谈
(1)明确要解决的问题
(2)确定最终评估标准
(3)设定期望方案
(4)简单项目到复杂项目
(5)团队合作，协调沟通
(6)避免陷入数据垃圾
页:
[1]