流程說明：
暫且總結為五步：1、確立挖掘目的，2、資料準備，3、數學建模，4、模型評估，5、模型應用。
第一步：確立挖掘目的，
確立業務目標 --> 對目標做簡單評估，確立所需要的資料型別，人力資源及風險等， ----> 確立資料探勘的目標 ---->制定實施計畫
第二步：資料準備
1）、資料選擇：白貓黑貓能抓老鼠就是好貓，只要第一步確立了目標， 奔著這個目標選擇各種與目標相關的資料，公司內部資料，外部行業資料，網際網路資料等。可以爬去公開**資料等。
2）、資料篩選：判斷資料是否有缺失，如果缺失確定填充缺失字段或者刪除缺失字段，資料型別一致性如日期時間，編碼格式。等
3）、資料轉換：對於結構化資料進行彙總匯出排序異常值處理等，非結構化資料進行分詞，情感分析，詞頻統計，去噪音等。
4）、資料優化：深入分析資料，主要清洗噪音資料。修改或刪除異類資料
第三步：數學建模
1）、技術選擇：根據自己技能選擇適合的模型
2）、構建模型：根據資料，構建模型，
3）、模型評估：根據測試如交叉驗證等測試結果，進行引數調優，並且評估各個模型，最終選擇最合適的模型。
第四步：結果評估
根據模型跑出的結果，結合第一步中資料探勘的目的。根據實際應用的情況，驗證模型是否適合解決實際問題。如果能夠解決，選擇最優的一套模型或者多套模型混合部署在業務應用系統。從而為實際問題服務，如果都沒能解決實際問題。返回重新調整模型或者重建。實踐是檢驗真理的唯一標準。
第五步：模型應用
上一步以說。如果有合適的模型。與業務系統對接。確立最終方案。do it !!!
資料探勘流程
下面是資料探勘流程 crisp dm 跨行業資料探勘標準流程 這是目前業界主流的 資料探勘流 程，其實本人覺得這也是統計學 建 模方式的語言模式，大家都是這麼做的，只是用個專門的流程會方便一些 1 業務理解 理解專案的目標和從業務的角度理解需求，同時將這個知識轉化為資料探勘問題的定義和完成目標的初步...
資料探勘流程
crisp dm cross industry standard process for data mining 即為 跨行業資料探勘過程標準 此kdd knowledge discovery in database 過程模型於1999年歐盟機構聯合起草.通過近幾年的發展,crisp dm 模型在各...
資料探勘流程
一 業務理解 主要任務是深刻理解業務需求，在此基礎上制定資料探勘的目標和實現目標的初步計畫。二 資料理解 收集資料，熟悉資料，識別資料的質量問題和探索引起興趣的子集。三 資料準備 從收集來的資料集選擇必要的屬性 因素 並按關聯關係將它們連線成乙個資料集，然後進行資料清洗 即空值及異常值處理 離群值剔...