CRISP-DM

“跨行业标准数据挖掘流程”（Cross Industry Standard Process for Data Mining ，CRISP-DM）

1. 理解项目
数据科学家试图通过了解业务需求来定义项目的目标。在项目的早期阶段，在项目的这个阶段，数据科学家将花费大量时间与业务部门（例如，销售、营销、运营部门）的同事面谈以了解业务问题。
2. 理解数据
这个阶段，需要分析数据。检查数据的质量，相关性等，处理缺省值，outlier，检查数据的格式，不同特征值间的独立性。
3. 数据准备
数据准备阶段的重点是创建可用于数据分析的数据集。
通常，创建此数据集涉及集成来自多个数据库的数据源，当组织机构具有数据仓库时，这种数据集成相对简单。
创建数据集后，需要检查数据质量并修复有问题的数据，通常需要处理缺失值，异常值，选择特征值，完整数据转化，提高数据质量。
4. 建模
在建模阶段，数据科学家通常会在数据集上使用多种机器学习算法并训练出多个模型。此时通过在数据集上运行机器学习算法来训练模型，以识别数据中的有用模式。
在大多数数据科学项目中，初始模型的测试结果就能揭示数据中的问题。当数据科学家发现模型的性能低于预期或模型的性能达到预期但真实性存疑时，数据错误有时会暴露出来。或者通过检查模型的结构，数据