登录
首页精彩阅读如何提高数据挖掘能力（四）
如何提高数据挖掘能力（四）
2019-01-16
收藏


我们在上一篇文章中给大家讲述了数据挖掘的四条原则，遵守了这四条原则可以帮助我们更好地应对数据挖掘的工作，但是数据挖掘还是需要模型的，我们对数据挖掘模型的选择也会影响我们的工作。那么怎么选对模型提升呢？下面我们就来给大家讲一讲选对模型提升的方法。


通常来说，没有深刻的业务理解去做数据挖掘往往是事倍功半，行业的业务理解越透彻，就越能抓住数据中本质的特征，诸如图像识别等场景已经可以靠神经网络来自动查找特征了，但大多数行业领域不行，还是要靠业务专家，多组织一次讨论获取的灵感可能远远好过于在算法上折腾一个月。而没有更多更好的数据去训练模型，这就是一件十分困难的事情了，一定要相信数据的重要性远远超过算法，很多初级的建模师算法能力很强，但就是做不成事，往往是因为其对于自身企业的数据理解太浅所致，这些都是我们需要注意到的事情。


如果数据不变，数据挖掘训练的边际效益并不高，同样的一份数据用不同的算法反复训练，比如F1差值并不是很大大，如果要尽快的提升模型的效果，要讲究点方法，尽量遵循以下优先级：业务>数据>算法。只有遵循了这个优先级，知道孰轻孰重，那么我们才能够做好模型的选择。


而一般来说，企业的数据挖掘师都需要通过长时间的取数训练，如果能做过数据仓库的更好，这样对于企业的数据体系有个全局的认识，在特征选择时有更多的发挥空间，大数据中最强调的一个特征是维度多，也一定程度说明了数据多样的重要性。比如基于运营商的语音通话数据可以初步判定欺诈电话，但这个准确率还不高，如果加上社交网络数据，判定就变得很准确了，这就是多维数据的力量，同时数据建模师如果不理解运营商的业务和数据，则可能无法想到这个维度。所以，数据挖掘师还是要清楚这些内容的。


通过这些文章我们给大家介绍了很多提高数据挖掘能力的方法，在进行数据挖掘工作的时候，也是不断地对我们数据挖掘能力的培养与锻炼，只有提高的数据挖掘的能力，我们才能够做好数据挖掘工作，提高自己的职业竞争力。

数据挖掘 特征 神经网络 数据建模 数据仓库 大数据

数据分析咨询请扫描二维码

上一篇如何提高数据挖掘能力（三）
下一篇如何成为一名优秀的数据挖掘师？
考试指南
报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present, www.cda.cn All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询