---------------------------濃縮精華版--------------------------------




第一步：數據準備：（70%時間）
獲取數據（爬蟲，數據倉庫）
驗證數據
數據清理（缺失值、孤立點、垃圾信息、規范化、重復記錄、特殊值、合并數據集）
使用python進行文件讀取csv或者txt便于操作數據文件（I/O和文件串的處理，逗號分隔）
抽樣（大數據時。關鍵是隨機）
存儲和歸檔


第二步：數據觀察（發現規律和隱藏的關聯）
單一變量：點圖、抖動圖；直方圖、核密度估計；累計分布函數
兩個變量：散點圖、LOESS平滑、殘差分析、對數圖、傾斜
多個變量：假色圖、馬賽克圖、平行左邊圖


第三步：數據建模
推算和估算（均衡可行性和成本消耗）
縮放參數模型（縮放維度優化問題）
建立概率模型（二項、高斯、冪律、幾何、泊松分布與已知模型對比）


第四步：數據挖掘
選擇合適的機器學習算法（蒙特卡洛模擬，相似度計算，主成分分析）
大數據考慮用Map/Reduce
得出結論，繪制最后圖表


循環到第二步到第四步，進行數據分析，根據圖表得出結論完成文章。

總結

以上是生活随笔為你收集整理的数据挖掘学习路线【转知乎某人的观点】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。