数据挖掘的基本步骤

数据挖掘的基本步骤

数据挖掘的过程会随所应用的专业领域的不同，而有所变化。

每一种数据挖掘技术都有各自的特性以及使用步骤，因此针对不同问题需求所发展出的数据挖掘过程也存在差异，如数据的完整程度、专业人员的支持程度等都会对建立数据挖掘的过程有所影响（蔡维欣，2003）；也因此造成了数据挖掘在不同领域之间整个规划流程上的差异。

即使是同一产业，也会因为不同的分析技术结合了不同程度的专业知识，而产生明显的差异。

所以，对于数据挖掘过程的系统化、标准化就显得格外重要，这样一来不仅可以较容易地实现跨领域应用，也可以结合不同的专业知识，发挥数据挖掘的真正作用。

进行数据挖掘完整的步骤如下：

1）数据理解（Data Understanding）

2）获取相关知识与技术（Acquisition）

3）整合与查核数据（Integration and Checking）

4）清理错误或不一致的数据（Data Cleaning）

5）开发模型与假设（Model and Hypothesis Development）

6）实际数据挖掘工作（Data Mining）

7）测试模型并检验数据挖掘结果（Testing and Verification）

8）解释与使用模型（Interpretation and Use）

由上述步骤可看出，数据挖掘牵涉了大量的准备工作与规划过程，事实上许多专家都认为，整套数据挖掘的过程有80%的时间和精力是花费在数据整理阶段，其中包含数据的清理与格式转换甚至表格的连接。

由此可知，数据挖掘只是数据挖掘过程中的一个步骤而已，在进行此步骤前还有许多的工作要先完成。