⑴ 數據挖掘有什麼步驟
1、業務理解(business understanding)業務理解，指從業務角度來理解項目目標和要求，接著把這些理解知識轉換成數據挖掘問題的定義和實現目標的初規劃。
2、數據理解(data understanding)
數據理解，指從數據收集開始，然後接著是一系列活動，這些活動的目的是：熟悉數據，甄別數據質量問題、發現對數據的真知灼見、或者探索出令人感興趣的數據子集並形成對隱藏信息的假設。
3、數據准備(data preparation)
數據准備，指從初原始數據構建終建模數據的全部活動。數據准備很可能被執行多次並且不以任何既定的秩序進行。包括為建模工作準備數據的選擇、轉換、清洗、構造、整合及格式化等多種數據預處理工作。
4、建立模型(modeling)
建立模型，指選擇和使用各種建模技術，並對其參數進行調優。一般地，相同數據挖掘問題類型會有幾種技術手段。某些技術對於數據形式有特殊規定，這通常需要重新返回到數據准備階段。
⑵ 大數據掘金——數據挖掘過程
1.商業問題理解
全面了解管理對新知識的需求以及對企業目標的明確認識。
進行項目規劃，明確負責收集數據、分析數據、匯報結果的人員。在這一早期階段，還應當對進行研究的經費預算，至少要給出預算上限和大致數據。
2.數據理解
將商業問題與使用數據完美匹配。
定量數據：用數值來衡量，可以是離散的，也可以使連續的。也成為分類數據包括定序和定類兩種，定序數據有有限多個可排序的取值（差、好、極好），定類數據具有有限不可排序的取值（男、女）。定量數據可以由幾組概率分布來表示。概率分布顯示了數據是如何分布的
定性數據：可以進行編碼，通過頻率分布表示。
3.數據准備
數據處理。真實世界的數據通常都是不完全的（缺乏屬性值、特殊性或只有總數）、雜亂的（包含錯誤或異常值）、不連續的（編碼或名字中存在矛盾）。由於數據來自不同的數據源，它們之間具有不同的格式，如選取的數據可能來自平面文件、音頻、圖片或網頁，必須轉化為持續統一的格式。
4.建立模型
需要利用多種模型，經過多次實驗和測量，找出解決某個實際問題的最佳方案。甚至對於單個模型或公式而言，也是需要對參數進行標准化才能得到最優結果。某些方法對數據格式有特殊要求，因此還需要退回到數據准備階段重新處理。
數據挖掘建模的標准流程是將大規模未經處理數據分為小組，以進行測試或檢驗。然後分析師就可以根據一部分數據（實驗組）建立模型（可以使用任何建模方法或公式），用另一部分數據（測試組）測試建立起來的模型。
5.檢驗和評估
對建立起來的模型進行測量和評估，確定其准確性和一般性。在實際環境中測試模型是否符合時間和財務的要求。這一發現過程的成功與否取決於數據分析師、商業分析師和決策者（如企業管理者）的互動。為了更好地解讀數據，我們通常使用表格或可視化技術（如數據透視表、交叉表分析、餅圖、柱狀圖、箱線圖和散點圖等）。
6.部署
數據部署這一步可能僅僅是給出一份報告，但也有可能要將整個數據挖掘過程在全公司重復一遍。
⑶ 描述數據挖掘包含哪些步驟
1、分類分類是找出資料庫中一組數據對象的共同特點並按照分類模式將其劃分為不同的類，其目的是通過分類模型，將資料庫中的數據項映射到某個給定的類別。它可以應用到客戶的分類、客戶的屬性和特徵分析、客戶滿意度分析、客戶的購買趨勢預測等，...
⑷ 數據挖掘的完整步驟是怎樣的
1、理解數據和數據的來源(understanding)。
2、獲取相關知識與技術(acquisition)。
3、整合與檢查數據(integration and checking)。
4、去除錯誤或不一致的數據(data cleaning)。
5、建立模型和假設(model and hypothesis development)。
6、實際數據挖掘工作(data mining)。
7、測試和驗證挖掘結果(testing and verification)。
8、解釋和應用(interpretation and use)。