其他分享
首页 > 其他分享> > 数据挖掘基本流程

数据挖掘基本流程

作者:互联网

一、数据预处理

  1. 获取数据
  2. 查看数据基本情况info()/head()/describe()
  3. 缺失值处理(删除/填充/承认缺失值存在)、异常值处理(删除/保留/处理到一定范围内)
  4. 类别型数据处理、时间型数据处理、转换变量类型、对数据进行分箱/分桶/离散化
  5. 分类建模,分析样本是否不均衡(过抽样,欠抽样/正负样本惩罚权重/组合集成处理)
  6. 对变量进行分析

二、数据标准化

  1. 选择合适的特征进行数据标准化
  2. 对特征之间进行相关性分析,对特征与目标进行相关性分析

三、模型训练

  1. 选择对应特征作为模型特征值和目标值(无监督学习无目标值)
  2. 建立模型(是否有超参数需进行交叉验证/网格搜索),进行训练,得到结果

三、模型评估与优化

  1. 根据模型选择对应的评估方法
    监督学习:
    回归模型:均方根误差、相对平方误差、平均绝对误差、相对绝对误差、决定系数等
    分类模型:准确率、精确率、召回率、F1-score、AUC指标等
    无监督学习:
    聚类模型:误差平方和、轮廓系数等

  2. 对模型进行调优

标签:基本,误差,绝对误差,特征,流程,数据挖掘,数据,模型,进行
来源: https://blog.csdn.net/qiu12345677/article/details/114915391