HCIE数据挖掘笔记—004数据挖掘（入门）

数据挖掘流程：

1、SPSS的CRISP-DM模型：

　　商业理解　　数据理解　　数据准备　　建立模型　　模型评估　　模型实施

　　商业理解：（不要把自己写的太死）　　

　　　　确定业务目标（评估指标：准确率等）　

　　　　项目可行性分析（已有资源、条件；目前风险等）

　　　　确定挖掘目标（与上一条绑定）

　　　　提出项目计划（计划、工具都要包含在内）

　　　　例子：电信流失用户挽留

　　　　　　业务目标：增存并重、挽留用户

　　　　　　可行性报告分析：查询率等

　　　　　　挖掘目标：

　　　　　　项目计划：

　　数据准备：（包含于数据预处理）

　　　　数据选择：

　　　　数据清洗：

　　　　数据创建：

　　　　数据合并：

　　　　数据格式化：

　　建立模型：

　　　　选择建模技术：选择算法与参数

　　　　测试方案设计：

　　　　模型训练：

　　　　模型测试评估：根据指标进行判断，需达到指标

　　模型评估：（分类算法：混淆矩阵、AUC、ROC曲线、查询率、查准率；回归算法：协方差、方差、轮廓系数等；聚类算法：相似度、相异度）

　　　　结果评估

　　　　过程回顾

　　　　准备下一步工作（好）；商业理解（不好）

　　模型实施：

　　　　实施计划：

　　　　监控和维护计划：

　　　　作出最终报告：

　　　　项目回顾：　　

　　更新迭代：

 

 　　在关联模型中，lab可能会考Apriori算法

2、SAS的SEMMA数据挖掘流程：