大数据发展现况与趋势概述.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 在这个阶段，可以选择和应用不同的模型技术，模型参数被调整到最佳的数值。一般，有些技术可以解决一类相同的数据挖掘问题。有些技术在数据形成上有特殊要求，因此需要经常跳回到数据准备阶段。 侧重点： 选择合适的数据采矿技术与设定最佳的参数以建立模型 ???建模（Modeling） 第六十一页，共七十三页。 到项目的这个阶段，你已经从数据分析的角度建立了一个高质量显示的模型。在开始最后部署模型之前，重要的事情是彻底地评估模型，检查构造模型的步骤，确保 模型可以完成业务目标。这个阶段的关键目的是确定是否有重要业务问题没有被充分的考虑。在这个阶段结束后，一个数据挖掘结果使用的决定必须达成。 侧重点： 使用训练数据集(Training dataset)建立预测模型. 使用鉴效数据集(Validation dataset)来避免模型对于训练数据集产生记忆效应 使用测试数据集(testing dataset)来选择模型以及测量模型在预测未知数据的能力 评估（Evaluation） 第六十二页，共七十三页。 ?通常，模型的创建不是项目的结束。模型的作用是从数据中找到知识，根据需求，这个阶段可以产生简单的报 告，或是实现一个比较复杂的、可重复的数据挖掘过程。在很多案例中，这个阶段