Nach der Weiterentwicklung der Data

Nach der Weiterentwicklung der Data Mining-Technologie bildete jeder Lebensschritt nach und nach eine Reihe gemeinsamer Standards für den Data Mining-Implementierungsprozess: branchenübergreifende Standards für Data Mining-Prozesse. Dieser Data Mining-Prozessstandard wurde von EU-Agenturen entwickelt. Nach vielen Jahren der Entwicklung wurde CRISP-DM in Data-Mining-Projekten in verschiedenen Branchen in großem Umfang eingesetzt. Statistiken zeigen, dass über 65% der Data Mining-Projekte nach diesem Standard implementiert werden. CRISP-DM basiert auf den gesammelten und zusammengefassten Erfahrungen mit Data Mining-Implementierungsprojekten. Wir glauben, dass Data Mining nicht nur auf dem Sortieren und Anzeigen von Daten basiert, sondern auch auf dem Analysieren und Erstellen von Datenmodellen sowie dem Verstehen und Erkennen des Geschäfts. Der Prozess des Erfordernisses, Entwickelns und Implementierens von Standard-Data-Mining kann in sechs Schritte unterteilt werden. Diese sechs Schritte können eingestreut und wiederholt werden, und die Sequenzen können miteinander koordiniert werden. Der Projektimplementierungsprozess erfordert eine kontinuierliche Koordination jedes Schritts, und die Koordination basiert auf jedem Schritt. Das Ergebnis der Implementierung muss den Eingaben im nächsten Schritt entsprechen. Bei der Umsetzung des Projekts können auf der Grundlage der Ergebnisse der einzelnen Schritte neue Forschungsarbeiten durchgeführt werden. Dies ist auch ein wichtigeres Data Mining-Ziel. Jeder Schritt im Projektimplementierungsprozess kann auf den Ergebnissen des vorherigen Implementierungsschritts basieren. Einstellen (1) Projektanforderungen verstehen Bevor Sie ein Data Mining-Projekt implementieren, klären Sie zunächst die Geschäftsanforderungen und -ziele, die nach der Implementierung des Projekts erreicht werden müssen, und implementieren Sie dann den Data Mining-Implementierungsprozess basierend auf diesen Anforderungen und Zielen. Sie müssen formuliert werden . (2) Modellierungsdaten verstehenVerstehen Sie bei der Datenerfassung zunächst die Bedeutung der einzelnen Geschäftsdaten, kennen Sie die Zusammensetzung der einzelnen Geschäftsdaten, verstehen Sie die Bedeutung der einzelnen Geschäftsindizes durch Kommunikation mit den Geschäftsbereichen und verstehen Sie die Zuverlässigkeit der Daten und die Korrelation zwischen den Daten Untersuchen Durch die Korrelation zwischen den Daten können Sie einige neue Felder bilden, um die Daten zu beschreiben.