数据挖掘具体步骤
1、理解业务与数据
2、准备数据
数据清洗：
缺失值处理：
异常值:
数据标准化：
特征选择：
数据采样处理：
3、数据建模
分类问题：
聚类问题：
回归问题
关联分析
集成学习
image
Bagging（例如随机森林算法）
Boosting
Stacking
4、模型评估
淆矩阵与准确率指标
泛化能力评估
其他模型：
评估数据处理：
5、应用
模型保存：
模型优化：