热线电话:13121318867

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。

数据分析咨询请扫描二维码

若不方便扫码,搜微信号:CDAshujufenxi

最新资讯
更多
客服在线
立即咨询