数据挖掘建模过程

1.定义挖掘目标

2.数据采样

 问题:哪些数据源可用?/如何保证取样数据的质量?/是否在足够范围内有代表性?/数据样本多少合适?/如何分类(训练集、验证集、测试集)?

衡量数据采样的标准:1)资料完整无缺,各类指标项齐全 2)数据准确无误,反映的都是正常状态下的水平

抽样的方式:随机抽样、等距抽样、分层抽样、从其实顺序抽样、分类抽样

3.数据探索:目的是为了保证数据样本的质量,从而为保证预测质量打下基础。

            主要包括:异常值分析、缺失值分析、相关分析、周期性分析、样本交叉验证等。

4.预处理

  主要包括:数据筛选、数据变量变换、缺失值处理、坏数据处理、数据标准化、主成分分析、属性选择、数据规约

5.模式发现 :是分类、聚类、关联规则、还是时序模式?

6.模式构建:才用什么算法?实施步骤?

预测模型的构建包括模型建立、模型训练、模型验证、模型预测

7.模型评价 :

   思考问题:评价的目的是什么?如何评价模型效果?通过什么评价指标来衡量?

 预测模型效果通常用相对绝对误差、平均绝对误差、根均方差、相对平方根误差、反馈率、ROC(受试者工作特性)曲线来衡量


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值