打字猴:1.700503397e+09

1700503397 数据挖掘与数据化运营实战：思路、方法、技巧与应用 19.2.3　数据准备

1700503398

1700503399 这个阶段类似于SEMMA中的数据调整阶段，其主要任务是数据清洗、重组、转换及衍生等。

1700503400

1700503401

1700503402

1700503403

1700503404 数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497754]

1700503405 数据挖掘与数据化运营实战：思路、方法、技巧与应用 19.2.4　模型搭建

1700503406

1700503407 该环节类似于SEMMA中的模式化环节，也就是模型的搭建和知识的发现环节。

1700503408

1700503409

1700503410

1700503411

1700503412 数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497755]

1700503413 数据挖掘与数据化运营实战：思路、方法、技巧与应用 19.2.5　模型评估

1700503414

1700503415 本环节主要内容包括彻底评估备选模型，挑选冠军模型，评价模型的稳定性，确保模型（或结论）正确回答了当初的业务需求。

1700503416

1700503417

1700503418

1700503419

1700503420 数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497756]

1700503421 数据挖掘与数据化运营实战：思路、方法、技巧与应用 19.2.6　模型发布

1700503422

1700503423 正如本书多次强调的那样，模型的搭建并不是数据分析挖掘的目的，更不是项目的结束。只有将模型应用于业务实践，才能实现数据分析挖掘的商业价值，所以这个环节的重要性不言而喻。

1700503424

1700503425 本环节的核心内容包括模型投入业务应用，产生商业价值，并且应用效果要及时跟踪和反馈，以便后期的优化和更新。

1700503426

1700503427 仔细对照SEMMA方法论和CRISP-DM方法论，细心的读者不难发现，两者其实表达的是相同的意思，正所谓英雄所见略同。两大最知名的商业智能品牌异口同声说出来的数据挖掘方法论，难道不值得我们回味吗？

1700503428

1700503429

1700503430

1700503431

1700503432 数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497757]

1700503433 数据挖掘与数据化运营实战：思路、方法、技巧与应用 19.3　Tom Khabaza的挖掘9律

1700503434

1700503435 Tom Khabaza是20世纪90年代著名的数据挖掘工具平台Clementine[1]的早期核心开发者之一。他总结的挖掘9律在数据挖掘业界产生了广泛的反响和认同。本节将简要介绍挖掘9律的主要内容，供感兴趣的数据分析师和数据分析爱好者参考。

1700503436

1700503437 ❑挖掘9律之第1律，又称业务目标律（Business Goals Law），业务目标是所有数据挖掘解决方案的本源（Business Objectives Are The Origin Of Every Data Mining Solution）。数据挖掘不是为了挖掘而挖掘，所有的数据挖掘都必须而且应该服务于特定的商业（业务）目的，离开了业务目的和业务应用，就没有数据挖掘的价值。正如Tom Khabaza所说的数据挖掘，首先它不是技术，而是流程，其中存在着一个或多个业务目标，没有业务目标，就没有数据挖掘。

1700503438

1700503439 ❑挖掘9律之第2律，又称业务知识律（Business Knowledge Law），业务知识是数据挖掘每一步的核心（Business Knowledge Is Central to Every Step of The Data Mining Process）。数据挖掘的本质就是将业务知识、经验和洞察力与数据挖掘方法相结合，从数据中发现有价值的东西。

1700503440

1700503441 ❑挖掘9律之第3律，又称数据准备律（Data Preparation Law），数据准备能让数据挖掘流程事半功倍（Data Preparation Is More Than Half of Every Data Mining Process）。数据准备在整个挖掘过程中所占用的时间常会超过一半，它包括对数据的熟悉、清理、重组、转换等一系列过程，其目的主要是让数据变动更干净，更能真实体现业务背景，更加容易被模型发现其隐含的有价值的商业信息和商业规律。

1700503442

1700503443 ❑挖掘9律之第4律，又称天下没有免费的午餐（There Is No Free Lunch for The DataMiner），只有通过实际验证才能发现给定应用的正确模型（The Right Model For A Given Application Can Only Be Discovered By Experiment）。一个模型无论搭建过程如何完美，如果没有在实际数据中经过验证，就没有任何价值和意义。

1700503444

1700503445 ❑挖掘9律之第5律，又称沃特金斯[2]定律（Watkins’Law），总会有模式存在（There Are Always Patterns）。只要有数据，一定是可以从中发现有价值的信息的。

1700503446

[ 上一页 ] [ :1.700503397e+09 ] [ 下一页 ]