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
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
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
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
1700503447
❑挖掘9律之第6律，数据挖掘将业务领域的感知放大（Data Mining AmplifiesPerception In The Business Domain）。得益于数据挖掘的技术和流程，使得数据中隐藏的知识和有价值的信息能被发现。
1700503448
1700503449
❑挖掘9律之第7律，又称预测定律（Prediction Law），预测将信息从局部扩展到整体（Prediction Increase Information Locally By Generalization）。数据挖掘使得我们可以透过已知的去发现（某些）未知的。这里提到的就是数据挖掘中常见的预测（响应、分类）模型的业务应用场景了。
1700503450
1700503451
❑挖掘9律之第8律，又称价值定律（Value Law），数据挖掘的结果的价值并不取决于模型的精度和稳定性（The Value of Data Mining Results Is Not Determined By The Accuracy or Stability of Predictive Models）。还是那句话，模型的价值只能由其所满足的业务需求和商业应用价值来决定，而不是由模型本身的精度和稳定性决定；再精确的模型，再稳定的模型，如果不能解决业务问题，如果不能带来业务的商业应用价值，就是没有价值的。
1700503452
1700503453
❑挖掘9律之第9律，又称变化定律（Change Law），所有的模式都会受到变化（AllPatterns Are Subject to Change）。任何模型或者分析结论都是有时间限制的，今天还是非常有价值的模型，或许明天就过时了，所有模型的维护和优化都非常重要。
[
上一页 ]
[ :1.700503404e+09 ]
[
下一页 ]