【正文】 并不是僅指傳統(tǒng)的零售業(yè)和服務(wù)業(yè)，而是包含企業(yè)運(yùn)作的各種業(yè)務(wù)（ business）。 ? 數(shù)據(jù)庫 —數(shù)據(jù)的墳?zāi)? ? 商業(yè)智能幫助更快更好地決策 – 每 23年數(shù)據(jù)翻一倍 數(shù)據(jù)挖掘的基礎(chǔ) ? 數(shù)據(jù)挖掘是一個多學(xué)科交叉領(lǐng)域 – 數(shù)據(jù)庫技術(shù) – 人工智能 – 機(jī)器學(xué)習(xí) – 神經(jīng)網(wǎng)絡(luò) – 統(tǒng)計學(xué) – 模式識別 – 知識庫系統(tǒng) – 知識獲取 – 信息提取 – 高性能計算 – 數(shù)據(jù)可視化 第三部分：數(shù)據(jù)挖掘流程 CRISP－ DM簡介 ? CRISP－ DM是 CRossIndustry Standard Process－ Data Mining的縮寫 ? 由 SPSS、 NCR、 DaimlerBenz在 1996年制定 ? CRISP是當(dāng)今數(shù)據(jù)挖掘業(yè)界通用流行的標(biāo)準(zhǔn)之一 ? 它強(qiáng)調(diào)數(shù)據(jù)挖掘在商業(yè)中的應(yīng)用，解決商業(yè)中存在的問題，而不是把數(shù)據(jù)挖掘局限在研究領(lǐng)域 CRISP－ DM ? 數(shù)據(jù)理解 ? 選定數(shù)據(jù) ? 數(shù)據(jù)準(zhǔn)備（轉(zhuǎn)換） ? 建立模型 ? 模型解釋與評估 ? 模型發(fā)布 數(shù)據(jù)理解（ Data Understanding) ? 找問題－確定商業(yè)目標(biāo) ? 對現(xiàn)有資源的評估 ? 確定問題是否能夠通過數(shù)據(jù)挖掘來解決 ? 確定數(shù)據(jù)挖掘的目標(biāo) ? 制定數(shù)據(jù)挖掘計劃 數(shù)據(jù)理解 (Data Understanding) ? 確定數(shù)據(jù)挖掘所需要的數(shù)據(jù) ? 對數(shù)據(jù)進(jìn)行描述 ? 數(shù)據(jù)的初步探索 ? 檢查數(shù)據(jù)的質(zhì)量 數(shù)據(jù)準(zhǔn)備 (Data Preparation) ? 選擇數(shù)據(jù) ? 清理數(shù)據(jù) (去除異常值等） ? 對數(shù)據(jù)進(jìn)行重建（維度歸約等） ? 調(diào)整數(shù)據(jù)格式使之適合建模（是否需要標(biāo)準(zhǔn)化）