波士顿房价预测python决策树_BI应用：从房价预测案例窥探数据挖掘

数据挖掘是从大量的数据中去发现有用的信息，根据这些信息来辅助决策。

数据挖掘揭示的是未知的、将来的数据关系，主要的作用就是预测，采用计算机技术、统计学、模型算法等。

模型算法有分类算法、回归算法、聚类算法等，每种算法类型又包含多种不同的算法，例如分类算法，就包含逻辑回归、朴素贝叶斯、决策树等，使用的编程语言有Java语言、Python，大家听了是不是觉得很专业、很复杂？今天给大家推荐一款简单易用的工具——Smartbi Mining，是由Smartbi推出的独立产品，旨在为个人、团队、企业所做的决策提供预测性分析。

Smartbi Mining具有流程化、可视化的建模界面，内置实用的、经典的统计挖掘算法和深度学习算法，并支持Python扩展算法，基于分布式云计算，可以将模型发送到Smartbi统一平台，与BI平台完美整合。

简单拖拉拽就可轻松完成预测，实在是太方便。此次以“波士顿房价预测”数据为例来带大家窥探一下数据挖掘如何进行。

1. Smartbi Mining 操作界面

点击机器学习管理界面右上角“创建机器学习项目”，可以通过示例数据源学习数据挖掘的流程和操作(创建文件目录设置名称)。

最左侧是节点树：包含了已经开发好的所有节点。

中间是主要实现区域，将节点之间拖拽过来即可。

右侧是节点的参数配置和属性配置。

2. 数据挖掘流程

数据挖掘有一套标准的流程，可以对数据进行各种科学的处理和预测，从而发现数据本身隐藏的规律。具体流程如下：

第一步：