1、数据收集
(1.数据源:
并不是把所有的数据都拿过来挖掘,而是选择与数据挖掘业务目标相关的数据,作为某次数据挖掘的数据源。
例如:同样是证劵公司,在精准营销或服务方面,那么就要从数据源中选择客服相关的数据
在量化投资方面,就选择交易数据、上市公司信息的数据
(2.数据抽样:
数据具有正确性(代表性和随机性)
1、单纯随机抽样:用抽签法或随机数法从全体数据中抽取部分数据
2、系统抽样:又称机器抽样,等距抽样;将数据等分为n份,再从每份中各抽取一定数量数据
3、整群抽样:全体数据先分n个群组,再从n个群组中随机抽取m个,最后取样这m个群内全部数据
4、分层抽样:按某种特征将全部数据分为若干个类别,再从每层中随机抽取n个数据,合起来组成样本
5、上面都是单阶段抽样,实际应用中常根据实际情况将整个抽样过程分为若干个类别,成为多阶段抽样