CRISP-DM
Материал из MachineLearning.
(Добавил картинку, сделал текст более литературным) |
(→Основные этапы: Добавлено лирическое описание процесса) |
||
Строка 12: | Строка 12: | ||
[[Изображение:Crisp-dmchart.gif]] | [[Изображение:Crisp-dmchart.gif]] | ||
+ | |||
+ | Перемещение вперед и назад между фазами — обычное дело. В зависимости от результата фазы или её подзадачи, принимается решение в какую фазу переходить дальше. Стрелками обозначены наиболее важные и частые переходы между фазами. | ||
+ | |||
+ | Внешний круг символизирует циклическую природу [[Data Mining | анализа данных]]. Процесс анализа данных продолжается и после развертывания решения. Знания, полученные во время процесса, могут породить новые более тонкие вопросы бизнеса. Последующий процесс анализа данных выгодно проводить используя знания полученные ранее. <ref>http://www.crisp-dm.org [http://www.crisp-dm.org]</ref> | ||
==История== | ==История== |
Версия 19:17, 3 июня 2011
CRISP-DM (CRoss Industry Standard Process for Data Mining) наиболее распространенная и популярная методология ведения проектов интеллектуального анализа данных[1]. Опросы проводившиеся в 2002, 2004 и 2007 годах, показывают что эта методология часто применяется исследователями данных.[1] [1] [1]
Содержание |
Основные этапы
CRISP-DM разбивает процесс анализа данных на шесть основных этапов[1]:
- Понимание бизнеса (Business Understanding)
- Понимание данных (Data Understanding)
- Подготовка данных (Data Preparation)
- Моделирование (Modeling)
- Оценка (Evaluation)
- Развертывание (Deployment)
Перемещение вперед и назад между фазами — обычное дело. В зависимости от результата фазы или её подзадачи, принимается решение в какую фазу переходить дальше. Стрелками обозначены наиболее важные и частые переходы между фазами.
Внешний круг символизирует циклическую природу анализа данных. Процесс анализа данных продолжается и после развертывания решения. Знания, полученные во время процесса, могут породить новые более тонкие вопросы бизнеса. Последующий процесс анализа данных выгодно проводить используя знания полученные ранее. [1]
История
Идея CRISP-DM зародилась в 1996. В 1997 была начата разработка проекта в Европейском Содружестве под эгидой фонда ESPRIT (European Strategic Program on Research in Information Technology). Проект возглавили четыре компании: ISL, NCR Corporation, Daimler-Benz и OHRA.
Эти компании объединили свой опыт в проекте. ISL впоследствии была поглощена SPSS Inc. на тот момент имела программный продукт для анализа данных Clementine. Компьютерный гигант NCR Corporation породивший Teradata — хранилище данных, имел штат консультантов и собственное программное обеспечение по анализу данных. В Daimler-Benz была большая команда интеллектуального анализа данных для удовлетворения нужд собственного бизнеса. OHRA, страховая компания начала исследовать потенциал интеллектуального анализа данных.
Первая версия методологии была выпущена CRISP-DM 1.0 в 1999.
CRISP-DM 2.0
В июле 2006 консорциум анонсировал желание начать работу над второй версией CRISP-DM. 26 сентября 2006, инициативная группа CRISP-DM собрались для обсуждения потенциальных улучшений в CRISP-DM 2.0 и последующего плана работ. Однако, этим начинаниям не суждено было быть завершенными. С начала 2007 года инициативная группа больше не собиралась, вебсайт CRISP не обновлялся и не появлялось какой-либо новой информации.
Преимущества
- Пригодна для любой индустрии
- Можно использовать любые инструменты
- Близка по духу к KDD Process Model
- Делает основной упор на интеллектуальном анализе данных
Сноски
Внешние ссылки
- CRoss Industry Standard Process for Data Mining
- CRoss Industry Standard Process for Data Mining Blog
- Le site des dataminers Article publié par Pascal BIZZARI, Mai 2009
- The Data Mining Group (DMG): The DMG is an independent, vendor led group which develops data mining standards, such as the Predictive Model Markup Language (PMML)