e家数据挖掘_项目进度时间doc

规划2周具体安排

1.熟练使用clementine，包括抽取数据，建模，报表展现的使用
2.时刻明确自己的目标和任务
3.使用clementine挖掘软件，针对e8项目进行训练，步骤：

第一阶段 商业理解，数据理解
深入理解e8相关数据，业务数据，EDM3.0
(1)从业务数据中挑选出需要分析的字段（客户信息，产品信息，费用信息），为什么要挑选这些字段；

第二阶段：数据准备 11.24-11.27
(2)用clementine从数据仓库中抽取这些字段所有数据；
怎么抽取，用什么文件格式，可以分两部走，先从数据仓库中抽取数据到本机txt，再用clementine将表txt导入；
(3)是否需要用filter过滤数据；
过滤的字段是不在数据挖掘中分析的字段，比如cust_id,PARTY_ID等；
输入：利用已有的数据仓库中的数据：
输出：一张完整的含数据挖掘需要的字段的所有记录；

第三阶段：建模 11.27-12.3
(4)设置数据的抽样，将其分为训练数据和检验数据；
检验数据用于后期的模型评估；
(5)根据主题模式设置输入输出字段，以及数据类型；
输入字段为数据挖掘要分析的数据字段，输出字段为购买e8套餐与否；标识（Y/N）；
(6)建模，配置模型，需要解决2个重要问题：
A.选取最大信息增益的字段依次作为决策树模型的根节点，分支节点，依次类推；
B.在每个分支上设置合适的条件，最终形成模型；在设置条件前，可以量化属性的静态离散化方法，（可以考虑正态分布）进行聚类分解在这基础上设置合适条

第四阶段 模型评估
(7)模型评估：用检验数据来进行检验
输入：利用第一阶段得到的表进行数据挖掘
输出：建立数据挖掘模式，生成决策树

第五阶段：部署阶段 12.3-12.5
(8)输出报表：将各种组件与模型关联输出报表，提升图evaluation；
输入：第二阶段的输出模型
输出：生成各种组件，包括规则集和原始数据表；
(9)产生最终报告，陈述