第十节 数据挖掘
1、挖掘全流程
数据挖掘就是以数据作为研究的对象，从数据中寻找价值，获取知识的过程，至于说机器学习算法，或者数据的统计分析，这些都是手段。
CRISP-DM（cross-industry standard process for data mining），翻译过来的意思是跨行业数据挖掘标准流程，
- 理解业务
- 理解数据
- 准备数据
- 构建模型
我们常见的问题通常可以转化成分类、聚类、回归和关联分析四种问题，进而选择对应的算法构建模型。比如说我们的文本抄袭检测：
- 可以转化成分类问题，把相似和不相似看作是二分类，把文本数据转化成数值数据，使用分类算法构建分类模型；
- 可以把它转化为一个聚类问题，把文本进行聚类分析，根据聚类的距离来判定是否抄袭；
- 可以把多种方法组合起来使用。
5.模型评估
从数学原理方面，我们有诸如准确率、召回率、F1 Score 等指标来评判一个模型的效果。
6.部署上线
7.下一次迭代
可能是为了快速上线，也可能是由于当前的某些条件不具备，我们的第一版服务还存在着很大的优化空间，同时来自线上的日志收集也为我们准备了很多问题案例
