⭕️ متدولوژی کریسپ CRISP-DM
متدولوژی کریسپ یک روش صنعتی اثبات شده برای هدایت تلاش های داده کاوی است . در واقع کریسپ یک مدل فرآیند داده کاوی است که راهبردهای معمولی که توسط داده کاوان خبره برای غلبه بر مشکلات داده کاوی استفاده می شود را شرح می دهد .
✅ مختصری از فازهای مدل CRISP:
☝️درک خواستههای تجاری
در این فاز اولیه، تاکید روی درک اهداف و نیازمندهای پروژه از دیدگاه تجاری؛ و تبدیل آنها به تعاریف حوزهی دادهکاوی است. سپس یک طرح اولیه برای به رسیدن به اهداف چیده میشود.
☝️درک داده
این فاز با گردآوری دادههای اولیه آغاز میشود و با فعالیتهایی جهت آشنایی با داده، شناسایی مشکلات کیفیتی داده، کشف ماهیت دادهها، و یافتن زیرمجموعههای جالبتوجهی که فرضیات اطلاعات پنهان را شکل میدهند.
☝️آماده سازی داده
فاز آمادهسازی داده شامل همهی فعالیتهایی است که منجر به ساخت مجموعه داده نهایی از داده های خام اولیه میشود. وظایف آمادهسازی داده معمولاً چندین بار انجام میگیرند. این وظایف شامل انتخاب جدول، رکورد و ویژگیهاست، هم چنین تغییرشکل و خالصسازی داده با ابزار های مدل سازی
☝️مدل سازی
در این فاز، تکنیکهای مدلسازی مختلفی انتخاب و به کار برده میشوند و تنظیمات مدل برای بهینهسازی نتایج به شکل اصول معینی در آورده میشود. معمولاً از تکنیکهای مختلفی برای حل مساله دادهکاوی استفاده میشود. در برخی از این تکنیکها، لازم است داده به صورت خاصی باشد. بنابراین در صورت نیاز به فاز قبلی یعنی فاز آمادهسازی داده بازمیگردیم.
☝️ارزیابی
در این مرحله از پروژه، مدل یا مدلهایی ساخته شده و قبل از رفتن به فاز استقرار، باید این مدلها و گامهایی که در ساخت آنها به کار رفته، ارزیابی شود. هدف کلیدی در این فاز، بررسی وجود مسایلی است که به قدر کافی در نظر گرفته نشدهاند. در انتهای این فاز، تصمیمی با توجه به کاربرد نتایج دادهکاوی بهدست آمده، گرفته میشود.
☝️اسقرار
ساخت مدل، انتهای پروژه نیست. حتی اگر هدف مدل افزایش دانش دادهها باشد، دانش به دست آمده باید به صورتی که برای مشتری قابل استفاده باشد، سازماندهی و ارائه شود. با توجه به نیازمندیها، فاز استقرار میتواند به سادگی تولید یک گزارش ساده و یا به پیچیدگی پیادهسازی فرایند دادهکاوی تکرارپذیر باشد. خیلی اوقات، این مشتری است که به جای تحلیلگر فاز استقرار را انجام میدهد.
#علم_داده#یادگیری_ماشین
__________________
🆔 @ScienceWave
متدولوژی کریسپ یک روش صنعتی اثبات شده برای هدایت تلاش های داده کاوی است . در واقع کریسپ یک مدل فرآیند داده کاوی است که راهبردهای معمولی که توسط داده کاوان خبره برای غلبه بر مشکلات داده کاوی استفاده می شود را شرح می دهد .
✅ مختصری از فازهای مدل CRISP:
☝️درک خواستههای تجاری
در این فاز اولیه، تاکید روی درک اهداف و نیازمندهای پروژه از دیدگاه تجاری؛ و تبدیل آنها به تعاریف حوزهی دادهکاوی است. سپس یک طرح اولیه برای به رسیدن به اهداف چیده میشود.
☝️درک داده
این فاز با گردآوری دادههای اولیه آغاز میشود و با فعالیتهایی جهت آشنایی با داده، شناسایی مشکلات کیفیتی داده، کشف ماهیت دادهها، و یافتن زیرمجموعههای جالبتوجهی که فرضیات اطلاعات پنهان را شکل میدهند.
☝️آماده سازی داده
فاز آمادهسازی داده شامل همهی فعالیتهایی است که منجر به ساخت مجموعه داده نهایی از داده های خام اولیه میشود. وظایف آمادهسازی داده معمولاً چندین بار انجام میگیرند. این وظایف شامل انتخاب جدول، رکورد و ویژگیهاست، هم چنین تغییرشکل و خالصسازی داده با ابزار های مدل سازی
☝️مدل سازی
در این فاز، تکنیکهای مدلسازی مختلفی انتخاب و به کار برده میشوند و تنظیمات مدل برای بهینهسازی نتایج به شکل اصول معینی در آورده میشود. معمولاً از تکنیکهای مختلفی برای حل مساله دادهکاوی استفاده میشود. در برخی از این تکنیکها، لازم است داده به صورت خاصی باشد. بنابراین در صورت نیاز به فاز قبلی یعنی فاز آمادهسازی داده بازمیگردیم.
☝️ارزیابی
در این مرحله از پروژه، مدل یا مدلهایی ساخته شده و قبل از رفتن به فاز استقرار، باید این مدلها و گامهایی که در ساخت آنها به کار رفته، ارزیابی شود. هدف کلیدی در این فاز، بررسی وجود مسایلی است که به قدر کافی در نظر گرفته نشدهاند. در انتهای این فاز، تصمیمی با توجه به کاربرد نتایج دادهکاوی بهدست آمده، گرفته میشود.
☝️اسقرار
ساخت مدل، انتهای پروژه نیست. حتی اگر هدف مدل افزایش دانش دادهها باشد، دانش به دست آمده باید به صورتی که برای مشتری قابل استفاده باشد، سازماندهی و ارائه شود. با توجه به نیازمندیها، فاز استقرار میتواند به سادگی تولید یک گزارش ساده و یا به پیچیدگی پیادهسازی فرایند دادهکاوی تکرارپذیر باشد. خیلی اوقات، این مشتری است که به جای تحلیلگر فاز استقرار را انجام میدهد.
#علم_داده#یادگیری_ماشین
__________________
🆔 @ScienceWave