登录免费注册

首页  思维导图  详情



 



数据挖掘框架

数据挖掘框架

2023-01-03 15:46:05   2  举报





AI智能生成

机器学习数据挖掘框架

数据挖掘

机器学习

大数据

人工智能

数据分析

模板推荐

作者其他创作

大纲/内容

1.定义问题

背景

需要解决的问题

实现过程

运用的算法

商业价值

2.收集数据

3.数据准备

导入库

数据读取与预览

数据清洗

校正：异常值

填充：缺失值

均值/中位数/众数填充

前后数据填充

机器学习算法填充

创建：新的分析功能

转换：将分类数据转换为虚拟变量进行数据分析

划分训练集和测试集

4.探索性数据分析

检查数据

是否有缺失值

是否有异常值

是否有重复值

数据分布是否均衡

是否需要抽样

变量是否需要转换

是否需要增加新的特征

使用描述统计量和图表对数据进行描述（数据可视化）

连续变量：常见的统计量有：平均值、中位数、众数、最小值、最大值、四分位数、标准差等。使用频数分布表、直方图、箱线图等。

无序性离散变量：各个变量出现的频数和占比；使用频数分布表、柱形图、条形图、茎叶图、饼图等；

有序性离散变量：各个变量出现的频数和占比；使用频数分布表，堆积柱形图，堆积条形图等

考察变量之间的关系

离散变量

连续变量

5.数据建模

机器学习

监督学习：通过向其提供包含正确答案的训练数据集来训练模型

无监督学习：使用不包含正确答案的训练数据集训练模型

强化学习：前两者的混合体，模型没有立即给出正确的答案，而是在一系列事件之后加强学习

机器学习算法

分类

回归

聚类

降维

创建模型

训练模型

评估模型性能

交叉验证模型性能

超参数调整模型

6.验证和实施

7.优化与策略

使用特征选择优化模型

 Collect

Get Started

框架

 Collect

Get Started

因子挖掘和数据挖掘

 Collect

Get Started

日志挖掘

 Collect

Get Started

数据挖掘一













评论

0 条评论

下一页



图形选择

思维导图

主题

补充说明

AI生成





修改AI描述

去编辑

重新生成

提示 

关闭后当前内容将不会保存，是否继续？

取消

确定

Document