数据挖掘步骤

一.现在我主要讲解数据挖掘的基本规范流程

数据挖掘通常需要数据收集，数据集成，数据规约，数据清理，数据变换，数据挖掘实施过程，模式评估和知识表示

1.数据收集：根据所得的数据，抽象出数据的特征信息，将收集到的信息存入数据库。选择一种合适的数据存储和管理的数据仓库类型

2.数据集成：把不同来源，格式的数据进行分类

3.数据规约：当数据量和数据的值比较大的时候，我们可以用规约技术来得到数据集的规约表示，比如（数据值-数据平均值）/数据方差，这是数据就变小了很多但接近原数据的完整性，规约后数据挖掘的结果和规约前的结果基本一致。

4.数据清理：有些数据是不完整的如：有些有缺失值（值不存在），有些含噪音（错误，孤立点），有些是不一致的（如单位不同等），我们可以使用工具进行数据清理，得到完整，正确，一致的数据。

5.数据变换：通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的数据集。

6.特征提取或特征选择：特征提取多应用于计算机视觉和图像处理中，特征选择是提出不相关和冗余的特征，防止过拟合，提高模型精确度，常用方法有PCA等。

7.数据挖掘过程：分析数据仓库中的数据信息，选择合适的数据挖掘工具，应用统计方法，使用相应的数据挖掘算法。。

8.从业务上，验证数据分析和数据挖掘的结果正确性。

9.知识表示，将数据挖掘所得结果以可视化的方式呈现给用户。

在数据挖掘中如果没有得到理想的结果，需要重复执行以上步骤，步骤2，3，4，5均属于预处理过程，数据挖掘大部分花在数据预处理部分。

二.数据挖掘算法及实现

分类：随机森林用于多分类，决策树会产生过拟合，logistic回归常用于二分类，得到类的概率

聚类：常用的聚类有k-means.

预测：回归模型，变系数单指数模型