数据挖掘建模过程
- 定义挖掘目标
- 数据取样
抽取一个与目标相关的样本数据子集。
抽取数据的标准：相关性、可靠性、有效性
衡量数据质量的标准：完整无缺、指标齐全、反应正常状态下的水平
抽样的常见方式：随机抽样、等距抽样、分层抽样、从起始顺序抽样、分类抽样 - 数据探索
主要包括：异常值分析、缺失值分析、相关分析、周期性分析 - 数据预处理
数据筛选、数据变量转换、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 - 挖掘建模
- 模型评价
——> 第三章
《Python数据分析与挖掘实战(张良均等)》笔记
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 机器学习里有一句名言：数据和特征决定了机器学习的上限，而模型和算法的应用只是让我们逼近这个上限。这个说法形象且深刻...
