2)数据准确无误,反映的都是正常(而不是异常)状态下的水平。
3)数据集合部分能显现出规律性。
4)数据集合要能满足用户的需求。
3.数据探索
检验样本是否达到我们原来设想的要求,对数据进行探索,审核和必要的加工处理。
这一步骤是是为了把数据取样得到的数据进行检测的操作,从而保证样本数据的质量,从而为保证模型质量打下基础。
4.数据预处理
数据预处理是指在主要的处理以前对数据进行的一些处理操作。
采样数据中常常包含许多含有噪声、不完整,甚至不一致的数据,低质量的数据将会导致低质量的挖掘结果,因此对数据挖掘所涉及的数据对象必须进行预处理。
数据预处理主要包括:数据筛选、数据变量转换、缺失值处理、坏数据处理、数据标准化、主成分分析、属性选择、数据规约等。
如果对Python有兴趣,想了解更多的Python以及AIoT知识,解决测试问题,以及入门指导,帮你解决学习Python中遇到的困惑,我们这里有技术高手。如果你正在找工作或者刚刚学校出来,又或者已经工作但是经常觉得难点很多,觉得自己Python方面学的不够精想要继续学习的,想转行怕学不会的, 都可以加入我们,可领取最新Python大厂面试资料和Python爬虫、人工智能、学习资料!VX【pydby01】暗号CSDN
5.挖掘建模
这一步骤是python数据挖掘工作的核心环节。我们需要具体考虑,要用到那些算法进行模型构建。
6.模型评价
从这些模型中自动找出一个最好的模型,还要根据业务对模型进行解释和应用。
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!