一、(了解)数据挖掘概念
1、数据挖掘(DM,Data Mining)是从海量的数据中发现和提取隐含在其中的、未知的、有价值的、潜在有用的信息和知识的过程。
2、数据库中知识发现(KDD,Knowledge discovery in databases )
3、数据挖掘的意义:
可以描述企业当前发展的现状和规律。
可以用来预测当条件发生变化后可能的状况。
能为企业开发新的产品或服务。
能为企业机构的重组提供决策支持依据。
二、(熟悉)数据挖掘常用方法和工具
1、方法
数据挖掘模式分类:
据根训练数据是否拥有标记信息:监督学习、半监督学习、非监督学习
根据应用角度:分类、回归、聚类、神经网络、关联、推荐、预处理、特征选择
2、工具
Python、R语言、Anaconda、TensorFlow、PyTorch、Scikit-learn、ML Studio
三、(了解)数据挖掘学习路径
四、(掌握)数据挖掘流程
CRISP-DM(跨行业数据挖掘标准流程)
商业理解:确定业务目标、项目可行性分析、确定数据挖掘目标、提出项目计划
数据理解:收集原始数据、描述数据、探索数据、监察数据质量
数据准备:数据选择、数据清洁、数据创建、数据合并、数据格式化
建立模型:选择建模技术、测试方案设计、模型训练、模型测试评估
模型评估:结果评估、过程评估、确定下一步工作
模型实施:实施计划、建卡和维护计划、作出最终报告、项目回顾