数据科学的七个工作流程

工作流程（workflow stages）

1. 问题的定义
   
2. 获取训练和测试数据
3. 数据准备、清洗
4. 分析，识别模式和探索数据
5. 模型，预测和解决问题
6. 可视化，报告，和呈现问题解决步骤和找到解决方案
7. 提供或提交结果

这个工作流程提供了每个阶段的下一个步骤。但是没什么东西是绝对的。

• 我们可以结合各个工作流程步骤，我们可以通过可视化分析数据。
• 把有些步骤先执行，我们可以先分析数据然后再进行数据清洗。
• 执行某个步骤多次，要很多的可视化。
• 放弃这些流程的定式。

工作流目标（workflow goals）

数据科学工作流主要解决七个主要问题。

• 分类（classifying）。这里的分类不是分类问题，是对我们的样本进行分类，我们希望理解不同的分类对解决我们问题的影响和相关性。
• 关联（correlating）。我们可以根据训练数据集中的可用特征来解决问题。统计学上，特征和目标是否有相关性，随着特征值变化，目标的状态也会变化。
• 转换（converting）。在建模阶段，需要准备数据。根据模型算法的选择，可能需要将所有的元素进行转换为数值等有效值，例如将文本分类值转换为数值
• 完整（completing）。数据预处理可能需要去估计所有特征的缺失值。模型在没有缺失值的数据上会表现的更好。
• 修正（correcting）。我们也需要分析给定的训练数据中错误的样本，并修改这些数据或者是排除错误样本。
• 创建（creating）。我们可以基于给定的原始特征，构造新的特征，使新特征遵循正确，相关性，完整性等目标。
• 可视化（charting）。根据数据的性质和解决的目标选择正确的可视化。