#15 数据挖掘流程的六个阶段是什么？

使用灵活的 CRISP-DM 阶段，数据团队可以根据需要在阶段之间来回移动。此外，软件技术可以完成或支持其中的一些任务。 1.业务了解 数据科学家或数据挖掘者从确定项目目标和范围开始。他们与业务的利益相关者合作，以识别某些信息。 需要解决的问题 项目约束或限制 潜在解决方案的业务影响 然后，他们使用这些信息来定义数据挖掘目标，并确定知识发现所需的资源。 2.数据了解 数据科学家一旦了解了业务问题，就开始对数据进行初步分析。他们从各种来源收集数据集，获得访问权限，并准备数据描述报告。报告包括数据类型、数量以及数据处理的硬件和软件要求。一旦企业批准了他们的计划，他们就开始探索和验证数据。他们使用基本统计技术处理数据，评估数据质量，并为下一阶段选择最终数据集。 3.数据准备 数据挖掘者在这一阶段花费的时间最多，因为数据挖掘软件需要高质量的数据。业务流程出于挖掘以外的原因收集和存储数据，数据挖掘者必须在将其用于建模之前对其进行优化。数据准备包括以下流程。 清理数据 例如，处理丢失的数据、数据错误、默认值和数据更正。 集成数据 例如，将两个完全不同的数据集组合起来以获得最终的目标数据集。 设置数据格式 例如，为正在使用的特定挖掘技术转换数据类型或配置数据。 4.数据建模 数据挖掘者将准备好的数据输入数据挖掘软件并研究结果。为实现此目的，他们可以选择多种数据挖掘技术和工具。他们还必须编写测试来评估数据挖掘结果的质量。为了对数据建模，数据科学家可以： 在具有已知结果的较小数据集上训练机器学习（ML）模型 使用模型进一步分析未知数据集 调整并重新配置数据挖掘软件，直到结果令人满意 5.评估 创建模型后，数据挖掘者开始对照原业务目标对其进行衡量。他们与业务分析师分享结果并收集反馈。模型可能很好地回答了原来的问题，或者显示出以前未知的新模式。数据挖掘者可以根据业务反馈更改模型、调整业务目标或重访数据。持续评估、反馈和修改是知识发现过程的一部分。 6.部署 在部署期间，其他利益相关者使用工作模型生成商业智能。数据科学家计划部署流程，包括向其他人传授模型功能、持续监控和维护数据挖掘应用程序。业务分析师使用该应用程序创建管理报告，与客户共享结果，并改进业务流程。