從大量資料（包括文字）中挖掘出隱含的、未知的、對決策有潛在價值的關係、模式和趨勢，並用這些知識和規則建立用於決策支援的模型，提高**性決策支援的方法、工具和過程，就是資料探勘；它是利用各種分析工具在大量資料中尋找其規律和發現模型與資料之間關係的過程，是統計學、資料庫技術和人工智慧技術的綜合。
1.定義挖掘目標
針對具體的資料探勘應用需求，首先要明確挖掘目標和系統完成後能達到的效果
2.資料取樣
3.資料探索4.資料預處理
資料預處理主要包括：資料篩選、資料變數轉換、缺失值處理、壞資料處理、資料標準化、主成分分析、屬性選擇、資料規約等
5.挖掘建模
分類、聚類、關聯規則、時序模式或者智慧型推薦
6.模型評價
從這些模型中自動找出乙個最好的模型，另外就是要根據業務對模型進行解釋和應用
Python資料分析與挖掘實戰 挖掘建模
常用的分類與 演算法 1回歸模型分類 1線性回歸 自變數因變數線性關係，最小二乘法求解 2非線性回歸 自變數因變數非線性關係，函式變換為線性關係，或非線性最小二乘方法求解 3logistic回歸 因變數一般有1和0兩種取值，將因變數的取值範圍控制再0 1範圍內 4嶺回歸 自變數之間具有多重共線性 5...
Python資料分析與挖掘實戰學習07
一 python基礎 1.python簡介 python是一種物件導向的解釋型語言，由荷蘭人guido van rossum與1989年發明，第乙個公開發行版本於1991年發布。python語法簡潔清晰，強制用空白符作為語句縮排。python語言最大的特點是簡單和強大。2.python庫 1 bas...
Python資料分析與挖掘實戰學習11
一 資料變換 1.連續屬性離散化 一些資料探勘演算法，特別是將某些分類演算法 如id3演算法 apriori演算法等 要求資料是分類屬性形式。這樣，常常需要將連續屬性變換成分類屬性，即連續屬性離散化。1 離散化的過程 連續屬性的離散化就是在資料的取值範圍內設定若干個離散的劃分點，將取值範圍劃分為一些...