数据挖掘具体步骤

1、理解业务与数据

2、准备数据

数据清洗：

缺失值处理：

异常值:

数据标准化：

特征选择：

数据采样处理：

3、数据建模

分类问题：

聚类问题：

回归问题

关联分析

集成学习

image Bagging(例如随机森林算法) Boosting Stacking

4、模型评估

淆矩阵与准确率指标

泛化能力评估

其他模型：

评估数据处理：

5、应用

模型保存： 模型优化：

参考阅读

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：