CRISP-DM (cross-industry standard process for data mining)跨行业数据挖掘过程标准

最新推荐文章于 2022-07-10 17:35:38 发布

Data+Science+Insight

最新推荐文章于 2022-07-10 17:35:38 发布

阅读量739

点赞数

分类专栏：数据科学从0到1 机器学习面试+横扫千军文章标签：数据挖掘大数据算法机器学习深度学习

本文链接：https://blog.youkuaiyun.com/zhongkeyuanchongqing/article/details/116463953

版权

数据科学从0到1 同时被 2 个专栏收录

1644 篇文章 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

机器学习面试+横扫千军

436 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

CRISP-DM是一种广泛应用于数据挖掘的标准过程模型，涵盖了业务理解、数据理解、数据准备、建立模型、评估模型和结果部署六个阶段。它强调从理解业务需求到实施的完整过程，相较于SEMMA更注重项目管理的全面性。本文深入介绍了CRISP-DM的每个阶段及其在数据挖掘项目中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CRIP-DM+SEMMA

CRISP-DM (cross-industry standard process for data mining)，即为“跨行业数据挖掘过程标准"。

长期以来，随着数据挖掘市场的发展和成熟，由不同的组织机构提出过很多的方法论，如CRISP-DM、SEMMA、5A等，其中CRISP-DM、SEMMA是应用最为广泛。CRISP-DM (cross-industry standard process for data mining)，即为“跨行业数据挖掘过程标准"。此KDD过程模型于1999年欧盟机构联合起草. 通过近几年的发展，CRISP-DM 模型在各种KDD过程模型中占据领先位置,采用量达到近60%。排在其后的是由SAS公司提出的SEMMA。SEMMA更偏重于数据挖掘的建模过程，与SAS的EM工具进行整合，其模型管理部署部分则体现在另外的工具套件中。CRISP-DM是从一个数据挖掘项目执行的角度谈方法论，CRISP- DM的考虑的范围比SEMMA 要大。CRISP-DM强调，数据挖掘不单是数据的组织或者呈现，也不仅是数据分析和统计建模，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。因此，从一个项目的管理实施完整流程来说，CRISP-DM更适用一些，本文后续主要以CRISP-DM为主进行详细介绍。

在过去几年，随着信息化技术的高速发展，数据逐渐变为