1. 数据挖掘建模过程

1. 目标定义

1. 任务理解
2. 指标确定

2. 数据采样

数据是所有模型的基础，所以他的质量很重要：1. 相关性 2. 可靠性 3. 有效性
抽样方式：

1. 随机抽样
2. 等距抽样
3. 分层抽样：相同层次的数据都具有相同的抽取概率，对不同层次的数据可以设置不同的抽取概率。
4. 分类抽样：对数据进行分类，然后再抽样
5. 从起始顺序抽样

3. 数据整理

数据在使用之前，我们有必要提高数据的质量，它很有可能存在一些outlier 或者default，这些都会影响数据的准确性。

4. 建模

通过选择合适的算法，对数据进行建模分析，从而得到数据内部的特征和预测值。

5. 模型评价

在不同的数据抽样得到的数据下，得到的模型可能会有偏差，所以有必要对模型进行对比评价，从而得到最好的模型。同时，根据业务进行对模型进行运用和解释也是模型评价的一个作用。

6. 模型发布