数据挖掘建模过程（1）

1. 定义挖掘目标

        通过了解相关行业领域，熟悉背景知识，了解用户真正的需求，确定数据挖掘的目标，及模型建立后想要达到的效果。

2. 数据采集与处理

        明确挖掘目标后，需要从业务数据系统中抽取与挖掘目的相关的样本数据子集。    

        抽样的三个标准：

         1. 相关性

         2. 可靠性

         3. 有效性

        为了尽可能确保数据的完整性和准确性，我们需要对抽样数据进行探索和预处理。

        探索包括：异常值分析、缺失值分析、相关分析和周期性分析等

        预处理包括：异常值处理、缺失值处理， 降维处理、数据变量转换、数据标准化、主成分分析等

3. 挖掘建模

        1. 明确本次建模属于数据挖掘应用中的那类问题，比如：分类、聚类、关联规则、时序模式或者智能推荐等

        2. 选着合适的算法进行模型构建

4. 模型评价

       从建模过程中得出的一系列分析结果中，选取一个最好的模型。 不同模型算法的评价方法不同。

5. 模型发布