数据挖掘6个基本流程

1、数据挖掘的基本流程是什么数据挖掘有很多种不同的实现方法，如果只是将数据拉入Excel电子表格并进行计算，那只是数据分析，而不是数据挖掘。 本节主要讲解数据挖掘标准化的基本流程。 CRISP-DM和SEMMA是两种常用的数据挖掘过程。
考虑到数据本身，数据挖掘通常需要八个步骤：信息收集、数据集成、数据规范、数据清理、数据转换、数据挖掘实施过程、模式评估和知识表示。
步骤（1）信息收集：根据具体的数据分析对象，抽象出数据分析所需的特征信息，然后选择合适的信息收集方式，并将收集到的信息存储到数据库中。 对于海量的数据，选择合适的数据仓库进行数据存储和管理至关重要。
步骤(2)数据集成：集成不同来源、格式和属性的逻辑或物理数据，为企业提供全面的数据共享。
步骤(3)数据缩减：如果执行大多数数据挖掘算法，即使是少量数据，也会花费很长时间，而在进行商业运营的数据挖掘时，数据量往往非常大。 利用数据约简技术可以实现数据集的约简表示，数据集小得多但仍接近保持原始数据的完整性，约简后的数据挖掘结果与之前相同或几乎相。 减少。
步骤(4)数据清洗：数据库中的某些数据不完整（某些感兴趣的属性缺少属性值）、有噪声（包含错误的属性值）和不一致（相应地，信息以不同的方式表示），因此需要进行数据清洗，以在数据仓库中保存完整、正确、一致的数据信息。 否则，挖掘的结果将不理想。
步骤(5)数据转换：通过平滑聚合、数据泛化、标准化等将数据转换成适合数据挖掘的形式。 对于一些真实数据，通过概念分层和数据离散化对数据进行转换也是一个重要的方法步。
步骤(6)数据挖掘过程：根据数据仓库中的数据信息，选择合适的分析工具并使用统计方法、案例推理、决策树、规则推理、模糊集甚至神经网络和遗传算法的过程信息以获得有用的分析信息。
步骤(7)模式评估：从业务角度，由行业专家验证数据挖掘结果的正确性。
步骤(8)知识表示：将数据挖掘获得的分析信息以可视化的方式呈现给用户，或者将其作为新知识存储在知识库中以供其他应用程序使用。
数据挖掘的过程是一个迭代的过程，如果每一步都没有达到预期的目标，就需要回到上一步，调整并执行。 并非所有数据恢复作业都需要此处列出的每个步骤。 例如，当特定作业中不存在多个数据源时，可以省略步骤(2)。
步骤(3)数据缩减、步骤(4)数据清洗和步骤(5)数据转换统称为数据预处理。 在数据挖掘中，至少60%的成本可以花费在步骤（1）信息收集阶段，并且至少60%的精力和时间花费在数据预处理过程。