数据挖掘方法论(SEMMA)..pdfVIP

SAS 数据挖掘方法论 ─ SEMMA (2009-07-20 21:15:48 Sample ─数据取样 Explore 数据特征探索、分析和予处理─ Modify ─问题明确化、数据调整和技术选择 Model ─模型的研发、知识的发现 Assess ─模型和知识的综合解释和评价 Sample──数据取样 当进行数据挖掘时 ,首先要从企业大量数据中取出一个与你要探索问题相关的 样板数据子集 ,而不是动用全部企业数据。这就象在对开采出来矿石首先要进行选 矿一样。通过数据样本的精选 ,不仅能减少数据处理量 ,节省系统资源 ,而且能通过数 据的筛选 ,使你想要它反映的规律性更加凸现出来。 通过数据取样 ,要把好数据的质量关。在任何时候都不要忽视数据的质量 ,即使 你是从一个数据仓库中进行数据取样 ,也不要忘记检查其质量如何。因为通过数据 挖掘是要探索企业运作的规律性的 ,原始数据有误 ,还谈什么从中探索规律性。若你 真的从中还探索出来了什么 “规律