数据挖掘建模过程

数据挖掘建模过程

1. 定义挖掘目标
2. 数据取样
3. 数据探索
4. 数据预处理
   1. 数据清洗
      1. 缺失值处理：拉格朗日插值法、牛顿插值法……
   2. 数据集成
   3. 数据交换：对数据进行规范化处理
   4. 连续属性离散化
   5. 属性构造
   6. 小波变换：信号分析手段，基于小波变换的特征提取方法
   7. 数据规约：降低无效、错误数据对建模的影响，降低存储数据的成本
5. 挖掘建模：分类与预测
6. 模型评价

分类与预测

实现过程

• 通过训练集建立预测属性（数值型）的函数模型
• 在模型通过检验后进行预测或控制

常用的分类与预测算法

• 回归分析
• 决策树
• 人工神经网络
• 贝叶斯网络
• 支持向量机

回归分析

• 线性回归
• 非线性回归
• Logistics回归
• 岭回归
• 主成分回归

决策树

人工神经网络

分类与预测算法评价