数据挖掘流程

1.对数据的初步理解

1.几行几列，有多少样本，多少特征

2.查看数据是否完整

3.查看数据类型（模型需要用的是数值型数据） 

1.2对目标的了解以及对数据的初步处理

1.理解本次挖掘的目标

2.缺失值：是否可以直接删除缺失数据，如果不能，找合适的方法去填充。

3.异常值：查看数据是否异常 

1.3数据预处理

1.归一化

2.标准化

3.字符型数据转化成数值型数据

.......

1.4特征工程

1.相关性分析，选择一些与目标强相关性的特征

2.递归法

...

1.5建立模型

一般建立2-3个模型进行比较

分类模型：KNN,贝叶斯分类，决策树，随机森林，svm,逻辑回归

回归模型：简单线性回归，多重线性回归，一元非线性回归

聚类模型：k-means..... ```

1.6模型优化 

模型选定后，对于模型性能进一步优化 

模型的参数优化：网格搜索，随机搜索，选择最优的模型参数

k-折交叉验证：避免过分拟合

模型评估： ```