資料分析是乙個檢查、清理、轉換和資料建模的過程，目的是發現有用的資訊、提出結論和支援決策依據。資料建模是資料分析裡的一項，資料建模裡又有一些常見的套路：選擇變數與重構變數、選擇演算法、設定引數、載入演算法和測試結果。
資料分析師在拿到資料時（不管是自己爬取還是資料框裡提取的）不是對所有的變數都要進行分析或者納入到模型裡，有許多變數起不到資料「分析」的任務（比如列號，也是資料集裡的變數），有的變數跟資料分析師所需要達到的目的沒有關係，這就是選擇變數的重要性，一般來說選擇變數有兩個標準：資料邏輯和業務參考。
資料邏輯：
所謂資料邏輯，一般從資料的完整性、集中度和變數相關性（有時候還有考慮因果關係）等角度考慮，乙個變數缺失率達到80%，或者乙個非布林值變數但卻集中兩個值……這些都要考慮加入這些變數後是否對後面的分析有價值。
業務參考：
變數基於收集到的資料，在做目標性的資料分析時會產生與業務產生關聯，比如共享單車資料集車輪胎這個變數裡，輪胎數不會是1或者3吧，在接下來的建模中，業務知識告訴你是不會選擇這個變數的。
業務資料分析師所要做的就是要用資料分析解決商業問題，而不是為了建立模型而建模，因此要根據業務背景和所要達到的目的選擇模型，根據挖掘目標和資料形式可以建立分類與**、聚類分析、關聯規則、時序模式、偏差檢測等模型，幫助企業提取資料中隱藏的商業價值，從以前的主觀決策轉向更科學的資料決策，提高企業的競爭力。下面列舉了一些常見的業務背景和對應的常用演算法。
**劃分消費群體：**聚類、分類；
**滿意度調查：**回歸、聚類、分類；
**購買額**：**回歸、時間序列；
**滿意度調查：**回歸、聚類、分類。
確定好要用那種模型後，就需要對模型進行調查引數，比如經典的聚類分析裡的k均值演算法就需要給定k的值（希望聚成的類別數量），引數有時候不是一次就能確定好的，需要多次的調整，達到最優的效果。
模型建立好後需要驗證與測試，要根據演算法輸出結果來確定該演算法是否能夠解決業務問題，比如聚類演算法裡除了k均值演算法還有系統聚類等，要是k—means的結果不太好就要考慮其他的演算法，又或者回歸模型輸出結果不滿足需求，考慮時間序列模型來做；若不需要換算法，還要測試一下輸出的結果是否有提示的空間，如聚類分析裡的聚類結果有四類，通過視覺化發現有兩類的特徵很相近，區分度不明顯，這就造成有很大部分的類處於很模糊的位置，所以就很需要調整引數來優化模型，在不斷調參優化模型的過程中，模型的解釋性和實用性會得到提公升，當模型能夠滿足業務需求，那就可以輸出結果。
這是通常建模的一般流程，而建模只是資料分析裡其中一項；流程的熟悉、業務的理解、演算法理論及**的熟練等等都是考驗乙個資料分析師的能力；最後希望這篇文章能夠幫助到你建模時構建乙個框架，而不至於在建模時不知道幹嘛；在學習的道路上你我共勉！
【延伸閱讀】
懂得了淚就懂得了人生
生命總是在自己的啼哭中開始，於別人的淚水裡抵達終點。醫學上認為，眼淚有清潔眼球的作用，是對外界刺激的一種應激性反映，從胎兒時開始，就有了基礎淚。於是，淚水就給生命打上了烙印，直到生命結束後，或許還有淚水在記憶你已經飄逝的靈魂。人是情感的動物，有七情六慾，不能長期壓抑在心底，顯現於外，不外乎表情 語言...
懂得了遺憾，就懂得了人生
許多事情總是想象比現實更美，相逢如是，離別亦如是，當現實的情形不按照理想的情形發展，事實出現與心願不統一的結局時，遺憾便產生了。遺憾可以彰顯出悲壯之情，而悲壯又給後人留下一種永恆的力量，也許生活帶走了太多東西，可是卻留下片片真情。有過遺憾的人，必定是感覺到深切的痛苦的人，這樣的人也必定真實的活過，付...
套路數學 螞蟻
我也不知道為什麼叫螞蟻，我也不知道原題是哪個。但是既然是今天考試的題，還這麼套路 就寫乙個部落格來記錄一下咯 題目 求1 n約數個數最多的那個數 10 的資料 1 for int i 1 i n i int bs 1 while bs i 秒完之後一想，不對，資料這麼大，應該打表！然後打了乙個表，試...