1700503309
❑数据的抽样问题。详细内容可参考本书8.2节。
1700503310
1700503311
❑样本规模的考虑。详细内容可参考本书8.3节。
1700503312
1700503313
1700503314
1700503315
1700503317
数据挖掘与数据化运营实战:思路、方法、技巧与应用 19.1.2 数据探索
1700503318
1700503319
数据探索阶段,就是对于数据进行深入摸底和熟悉的过程。这个过程可以让数据分析师比较有效地熟悉样本数据,大致摸清数据间简单的统计信息,包括数据间的相关性、数据缺失情况和程度等,以及其他与数据内在规律密切相关的一切信息。
1700503320
1700503321
通过这个环节,可以让数据分析师大致熟悉和了解样本数据的基本信息,为后续的过程和环节提供有效的基础保障。
1700503322
1700503323
1700503324
1700503325
1700503327
数据挖掘与数据化运营实战:思路、方法、技巧与应用 19.1.3 数据调整
1700503328
1700503329
如果说前面两个环节所针对的数据还是原始数据,那么本环节的核心任务就是把之前所抽取的原始数据进行调整和转换。数据调整和转换的目的主要有以下几点:
1700503330
1700503331
❑调整后的数据能更加容易地反映出事物的内在规律和联系。比如增加了衍生变量之后,原来不容易被发现的内在规律就变得比较容易显示出来了。
1700503332
1700503333
❑调整后的数据使得模型的建立更加容易、更加有效,或者使得模型的调整和维护更加方便。本书在8.5节给出了诸多的相关技巧和提示。
1700503334
1700503335
1700503336
1700503337
1700503339
数据挖掘与数据化运营实战:思路、方法、技巧与应用 19.1.4 模式化
1700503340
1700503341
该环节是数据挖掘的核心环节,也就是模型的搭建和知识的发现环节。
1700503342
1700503343
关于如何建模,有哪些关键的注意事项,本书在第7~13章(总共7章)中从纯粹的挖掘技术和技巧的角度进行了比较详细的分析;另外,本书在第15~18章(总共4章)中从方法、意识、管理等角度对其进行了比较详细的分析。希望这些内容能对有缘的朋友提供点滴帮助。
1700503344
1700503345
1700503346
1700503347
1700503349
数据挖掘与数据化运营实战:思路、方法、技巧与应用 19.1.5 评价
1700503350
1700503351
本小节主要对模型和发现的知识进行综合评价和介绍。包括评价并挑选最合适的模型,即所谓的冠军模型,应用于业务实践、模型应用新数据进行稳定性验证、模型所发现的知识和规律的提炼和总结、冠军模型应用于业务实践并跟踪反馈等。
1700503352
1700503353
这个环节是最终体现数据挖掘和数据分析商业价值的环节,其重要性和核心地位无论怎么强调都不过分。
1700503354
1700503355
关于对模型的评价,本书在第7章给出了比较具体、详细的分析。
1700503356
1700503357
1700503358
[
上一页 ]
[ :1.700503309e+09 ]
[
下一页 ]