数据挖掘建模的优化和限度

1. 一句非常经典的广告语—“没有最好，只有更好”，揭示了“任何事物的发展和进步都是可以无限深入的”，一个人可以不断的进步，一个数据挖掘的模型也是可以不断的完善和优化的，只是，数据挖掘模型的每一次优化都需要有资源的投入，因此在模型优化和资源投入之间，又有一个微妙的平衡点—性价比，这个平衡点决定了模型的优化和完善是有限度的
2. 任何一个数据挖掘模型都是针对某一个特定具体的业务需求的，数据挖掘模型总是能够提高精确度、提升转化率的，但是，做到什么程度才算可以呢？
   A.有效的原则。模型的结论和应用效果是否满足当初的业务需求，针对具体的业务需求，一般都是有具体的、可量化的指标和尺度，根据这些尺度，查看是否满足最初的业务需求
   B.适度的原则。所谓的适度，是指模型可以继续投入资源、投入精力去持续优化，提升模型的精度、转化率，但是必须要考虑投入产出之间的性价比是否合适，时间因素和投入产出比是思考适度的主要维度
3. 如何有效的优化模型？
   A. 业务思路优化 考虑一下有没有更加明显且直观的规则、指标可以代替复杂的建模？ 有没有一些明显的业务逻辑在前期的建模阶段被疏忽了呢？ 通过前期的初步建模和数据熟悉，是否有新的发现，甚至能颠覆之前的业务推测或业务直觉？目标变量的定义是否稳定？
   B. 从建模的技术思路上优化， 指的是在建模的总体技术思路、总体技术方向上进行比较、权衡，建模的总体技术思路包括不同的建模算法、不同的抽样方法、有没有必要通过细分群体来建模，细分建模有时候会通过故意漏掉一小部分目标用户，从而可以针对剩下的绝大多数目标用户进行更有效的预测
   C. 从建模的技术技巧上优化 在建模过程中，业务思路上的优化比建模技术思路上的优化更重