作者:约翰·凯莱赫(John D. Kelleher)、布伦丹·蒂尔尼(Brendan Tierney)
译者:张世武、黄元勋
来源:大数据DT(ID:bigdatadt)
为了帮助人们勇攀数据科学金字塔,很多人或公司提出了他们认为的最佳的数据科学处理流程。最常用的流程为“跨行业标准数据挖掘流程”(Cross Industry Standard Process for Data Mining ,CRISP-DM)。
事实上,多年来,CRISP-DM一直稳居各种行业调查第一名。CRISP-DM的主要优势,也是它被广泛使用的原因,其关键在于它被设计成独立于任何软件、供应商或数据分析技术。
CRISP-DM最初是由一个由领先的数据科学供应商、终端用户、咨询公司和研究人员组成的联盟开发的。CRISP-DM项目最初由欧盟委员会(European Commission)在ESPRIT项目中提供了部分资助,该流程在1999年的一次研讨会上被首次提出。从那时起,许多人尝试更新这个流程,但是最初的版本目前仍然广为使用。
多年来,CRISP-DM有一个专门的网站,但近年来这个网站已经废弃,有时你可能会被IBM重定向到SPSS网站,IBM也是该项目的最初资助者之一。最初,联盟发布了一个详细的(76页)但可读性很高的指南,可以在线免费获取该文档(参考Chapman等1999),其中的几页对该流程的结构和主要任务进行了摘要。
CRISP-DM生命周期包括六个阶段:
-
业务理解(business understanding)
-
数据理解(data understanding)
-
数据准备(data preparation)
-
建模(modeling)
<