《Python数据分析与挖掘实战》笔记（一）：数据挖掘基础

目录

一、数据挖掘的基本任务

二、数据挖掘建模过程

三、常用的数据挖掘建模工具

---

一、数据挖掘的基本任务

        利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法，帮助企业提取数据中蕴含的商业价值，提升企业的竞争力。

二、数据挖掘建模过程

定义挖掘目标：任务目标和完成效果

数据取样：相关性、可靠性、有用性

数据探索：数据质量分析、数据特征分析

数据预处理：数据筛选、数据变换、缺失值处理、坏数据处理、数据标准化，主成分分析、属性选择、数据规约等

挖掘建模：本次建模属于哪一类问题，选择哪种算法建模

模型评价：选择最好的模型

三、常用的数据挖掘建模工具

SAS Enterprise Miner

IBM SPSS Modeler

SQL Server（Analysis Servers）

Python

WEKA

KNIME

RapidMiner

TipDM