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:
image
Bagging(例如随机森林算法)
Boosting
Stacking
其他模型:
评估数据处理:
模型保存:
模型优化:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/82965.html
如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!