马来西亚理科大学数据挖掘专业课程指南

数据挖掘是通过清理原始数据、发现模式、创建模型并测试这些模型来理解数据的过程。它包括统计学、机器学习和数据库系统。数据挖掘通常包括多个数据项目，所以很容易与分析、数据治理和其他数据处理过程相混淆。如果大家在学习数据挖掘的过程中遇到难题，可以直接点击蓝字与海马课堂的老师进行咨询哦！

本指南将定义数据挖掘，分享其好处和挑战，并回顾数据挖掘的工作原理。数据挖掘有着悠久的历史。它在 20 世纪 60 年代到 80 年代随着计算的发展而出现。在历史上，数据挖掘是一个密集的手动编码过程 —— 即使在今天，它仍然需要编码能力和知识渊博的专家来清理、处理和解释数据挖掘结果。数据专家需要统计知识和一些编程语言知识才能准确地完成数据挖掘技术。

一、数据挖掘不完全等同于数据分析

如前所述，数据挖掘可能会与其他数据项目相混淆。数据挖掘过程包括数据清理和探索性分析等项目，但它不仅仅是这些实践。数据挖掘专家清理和准备数据，创建模型，根据假设测试这些模型，并发布这些模型以供分析或商业智能项目使用。换句话说，分析和数据清理是数据挖掘的一部分，但它们只是整体的一部分。

二、数据挖掘的好处

当战略性地部署数据挖掘以服务于业务目标、回答业务或研究问题或成为问题解决方案的一部分时，数据挖掘最为有效。数据挖掘有助于进行准确的预测、识别模式和异常值，并经常为预测提供信息。此外，数据挖掘帮助组织识别流程中的差距和错误，例如供应链中的瓶颈或不适当的数据输入。

三、数据挖掘的工作原理

数据挖掘的第一步几乎总是数据收集。如今的组织每天都可以收集记录、日志、网站访问者数据、应用程序数据、销售数据等等。收集和映射数据是理解可以对相关数据进行哪些操作和提出哪些问题的良好第一步。跨行业数据挖掘标准流程(CRISP-DM)是启动数据挖掘过程的优秀指南。这个标准是几十年前创建的，对于刚刚起步的组织来说仍然是一个流行的范例。

四、CRISP-DM 的六个阶段

CRISP-DM 包括一个六阶段工作流程。它被设计为具有灵活性;如果需要，数据团队可以并被鼓励返回到前一个阶段。该模型还为帮助执行或增强其中一些任务的软件平台提供了机会。

1.业务理解

全面的数据挖掘项目首先确定项目目标和范围。业务利益相关者将提出一个数据挖掘可以回答或解决的问题。

2.数据理解

一旦理解了业务问题，就该收集与问题相关的数据并了解数据集。这些数据通常来自多个来源，包括结构化数据和非结构化数据。这个阶段可能包括一些探索性分析以揭示一些初步模式。在这个阶段结束时，数据挖掘团队已经选择了用于分析和建模的数据集子集。

3.数据准备

这个阶段开始进行更深入的工作。数据准备涉及准备最终数据集，其中包括回答业务问题所需的所有相关数据。利益相关者将确定要探索的维度和变量，并准备最终数据集以进行模型创建。

4.建模

在这个阶段，你将为给定的数据选择适当的建模技术。这些技术可以包括聚类、预测模型、分类、估计或它们的组合。Front Health 使用统计建模和预测分析来决定是否将医疗保健计划扩展到其他人群。如果你选择的建模技术需要选择其他变量或准备一些不同的数据源，你可能需要返回到数据准备阶段。

5.评估

在创建模型后，你需要测试它们并衡量它们在回答第一阶段确定的问题方面的成功程度。模型可能会回答一些未考虑到的方面的问题，你可能需要编辑模型或问题。这个阶段旨在让你查看迄今为止的进展，并确保它在实现业务目标的正确轨道上。如果不是，在项目准备进入部署阶段之前，可能需要返回到前面的步骤。

6.部署

最后，一旦模型准确可靠，就可以在现实世界中部署它了。部署可以在组织内部进行，可以与客户共享，或者可以用于为利益相关者生成报告以证明其可靠性。当最后一行代码完成时，工作并没有结束;部署需要仔细考虑、推出计划以及确保正确的人得到适当通知的方法。数据挖掘团队负责让受众理解项目。

海马课堂，4000+严选硕博学霸师资，针对学生的薄弱科目和学校教学进度，匹配背景相符的导师，根据学生情况进行1V1专属备课，上课时间灵活安排，中英双语详细讲解课程中的考点、 难点问题，并提供多方位的课后辅导，辅助学生掌握全部课程知识，补足短板。
海马课堂服务焕新，六大模块强势护航！包括定制规划报告、心灵辅导、免费公益课、提分规划及单项与组合课业辅导。学习教练助力 GPA 提升与职业发展，缓解压力焦虑，清理负面情绪，提升自信，满足不同学习需求。