什么是建模调参 ？
特征工程也好，数据清洗也罢，都是为最终的模型来服务的，模型的建立和调参决定了最终的结果。模型的选择决定结果的上限， 如何更好的去达到模型上限取决于模型的调参。
标签：数据专题
什么是模型融合 ？
通过融合多个不同的模型，可能提升机器学习的性能。这一方法在各种机器学习比赛中广泛应用， 也是在比赛的攻坚时刻冲刺Top的关键。
数据挖掘建模过程包含哪些步骤？
数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力。
从数据分析到模型融合，数据挖掘最全解读
探索性数据分析（Exploratory Data Analysis，EDA）是指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。
数据挖掘的过程有哪些？
数据挖掘的过程主要包括：定义业务问题、建立数据挖掘库、确定分析的内容、准备数据、模型评价与实施。
数据模型有哪些？
常用的数据模型有客户细分、客户流失分析、交叉销售和客户价值评估等模型。
数据分析里的数据挖掘指的是什么？
数据挖掘（DataMining）是指从海量的数据中抽取出有意义的、重要的、潜在有用的信息和知识的过程。
数据探索是什么？数据预处理是什么？
前面所叙述的数据取样，多少带有人们对如何实现数据挖掘目的的先验认识而进行操作的
挖掘建模是什么？模型评价是什么？
以菜品销量预测为例，模型构建是对菜品历史销量，综合考虑节假日、气候和竞争对手等采样数据轨迹的概括
常用的数据挖掘建模工具有哪些？
数据挖掘是一个反复探索的过程，只有将数据挖掘工具提供的技术和实施经验与企业的业务逻辑和需求紧密结合，并在实施过程中不断磨合，才能取得好的效果
如何定义挖掘目标？
针对具体的数据挖掘应用需求，首先要明确本次的挖掘目标是什么，系统完成后能达到什么样的效果