針對數據挖掘過程中直接與數據相關的部分，SAS公司提出了SEMMA方法論，將數據挖掘的核心過程分為抽樣（Sample）、探索（Explore）、修整（Modify）、建模（Model）、評估（Assess）幾個階段。

1.數據抽樣

數據抽樣就是從數據集中抽取具有代表性的樣本，樣本應該大到不丟失重要的信息，小到能夠便于操作。

2.探索

使用可視化方法或主成分分析、因子分析、聚類等統計方法對數據進行探索性分析，發現未曾預料的趨勢和異常情況，對數據形成初步理解，尋求進一步分析的思路。

3.修整

包括生成和轉換變量、發現異常值、變量選擇等。

4.建模

搜尋能夠可靠地預測因變量的數據組合，具體而言是指采用哪些觀測、使用哪些自變量能夠可靠地預測因變量。

5.評估

評估模型的實用性、可靠性和效果。

6.數據理解和數據準備

在實際數據挖掘項目中，占用時間最多的不是建模階段，而是數據理解和數據準備階段，它們常常要占用整個項目80%以上的時間。經過數據理解和數據準備之后，我們希望得到建模數據集。

大量的時間用于從異構和雜亂無章的各種數據中構造建模數據集；在最極端情況下，大部分的時間都用于從各個數據源收集必要的數據。

總結

以上是生活随笔為你收集整理的数据挖掘方法和步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。