1. 資料集選取或構造
根據任務的目的，選擇資料集。或者從實際中構造自己需要的資料。
2. 資料預處理
確定資料集後，就開始對資料進行預處理使得資料能夠為我們所用了。資料預處理提高資料質量：準確性、完整性和一致性，包括資料清理、資料整合、資料規約和資料變換方法。
(1)資料清理
忽略元祖、人工填寫缺失值、使用屬性的中心度量填充、給定同一類所有樣本的屬性均值或中位數填充、最可能的值填充
(2)資料整合
實體識別、冗餘和相關分析(卡方檢驗，相關係數，協方差等，用spss比較方便)
(3)資料歸約
(4)資料變換和資料離散化
資料變換:光滑，屬性構造，聚集，規範化，離散化和概念分層。
3. 資料轉換
將上面處理後的資料轉換為特徵，這些特徵要盡可能的準確的描述資料，並且使得機器學習演算法達到最優。
詳見特徵工程
4. 資料建模
根據機器學習模型優缺點，選擇適宜本任務的最佳模型。其中一種方式是對每個模型都進行訓練，再統計測試資料的誤差，選擇誤差最小的模型即可。
另外，還需要調整模型的引數，使得模型表現盡可能最優。主要方法有手動調優、網格搜尋、隨機搜尋以及基於貝葉斯的引數調優方法。詳見機器學習調參-模型選擇
5. 結果分析和改進
分析的物件主要是模型的優缺點(或者叫模型的評估)，客觀公正的評判自己的作品(能有高手幫忙最好啦)能清醒自己的認知。改進就是從分析當中來。
資料探勘的一般步驟
從資料本身來考慮，通常資料探勘需要有資訊收集 資料整合 資料規約 資料清理 資料變換 資料探勘實施過程 模式評估和知識表示等 8 個步驟。1 資訊收集 根據確定的資料分析物件抽象出在資料分析中所需要的特徵資訊，然後選擇合適的資訊收集方法，將收集到的資訊存入資料庫。對於海量資料，選擇乙個合適的資料儲存...
感冒的一般過程
又感冒了 哎 挺嚴重，鼻涕流不停，特別畏寒，以前沒 發現感冒 這麼可怕。看到 一篇關於感冒的 文章，粘過來 給大家分享 一下，以防感冒 感冒,是一種自癒性疾病。有位著名醫生說過 感冒，不 七天就會好，如果 的話，一周即可痊癒。感冒是自癒性疾病，病程7天。這個病程是指的感冒病毒活動期。一般感覺到的感冒...
搜尋的一般過程
之前學習過很多劉老師的lucene原始碼分析的課程，結果現在整的都忘了，這次重新梳理一下爭取形成自己的東西。後面就不容易忘掉了。劉老師的課程是基於lucene2.x的原始碼分析的，後面lucene迭代了很多版本，也引入了新的資料結構進行優化，但是主體的模組基本上是沒有變的。計畫是先把之前的lunce...