1、在實施數據挖掘之前，先制定采取什么樣的步驟，每一步都做什么，達到什么樣的目標是必要的，有了好的計劃才能保證數據挖掘有條不紊地實施并取得成功。很多軟件供應商和數據挖掘顧問公司投提供了一些數據挖掘過程模型，來指導他們的用戶一步步地進行數據挖掘工作。比如，SPSS公司的5A和SAS公司的SEMMA。〖138字〗

2、二、建立數據處理子系統。當收集到紛繁龐雜的原始數據后，數據處理子系統就要啟動。在該子系統中要實行"軟硬兼施"。從應用和處理功能出發，在市級統計局內構建適度超前并有良好擴展功能的計算機數據處理中心及延伸至數據源子系統基層組織的計算機網絡系統，這就是數據處理子系統的硬件環境。而該子系統的靈魂在于軟件，也就是說要下大力氣開發應用于統計信息處理和網絡信息平臺的各種通用和專用軟件，從而實現統計數據處理的自動化。〖189字〗

3、中國統計學的更大發展必然對我國的統計工作產生重要影響和推動作用。就我國統計學界來講，重要的是改變原有的思維方式，樹立先進的統計理念，或者叫作統計學的哲學理念。"統計就是圖表"，這是計劃經濟遺留的陳舊理念。所謂先進的統計理念，是講對統計學的功能作一個明確的判斷，為什么人口統計學、社會統計學等學科主要源于國外的發展，這是因為國外統計學的發展不僅僅研究數據的采集和整理，研究資料的甄別及方法，而是有意識地將資料和方法服務于各學科和各領域，在促進這些學科和領域發展的同時自身也獲得極大的發展。〖226字〗

4、數據的類型可以是結構化的、半結構化的，甚至是異構型的。發現知識的方法可以是數學的、非數學的，也可以是歸納的。最終被發現了的知識可以用于信息管理、查詢優化、決策支持及數據自身的維護等。〖82字〗

5、發現知識的方法可以是數字的、非數字的，也可以是歸納的。最終被發現的知識可以用于信息管理、查詢優化、決策支持及數據自身的維護等。〖57字〗

6、隨著我國經濟體制改革的快速推進以及經濟全球化趨勢的日益顯著，人們逐步認識到統計在信息時代中的重要作用。站在二十一世紀的起跑線上，統計工作的發展將緊跟時代前進的步伐，以系統、科學的統計理論及信息技術為基礎，以改革和創新的思維尋求突破，逐步構筑起統計現代化之路。〖121字〗

7、三、建立數據分析研究子系統。數據分析研究是對統計數據的深加工和精加工，是實現統計優質服務的基礎，統計工作水平的高低由此可以充分體現出來。因此，要有一批精通統計學、經濟學、社會學的專家參與該研究工作，使計算機輔助分析和人工智能分析充分結合。研究工作要緊密結合上級領導決策及制定有關政策的需要、結合地方經濟發展狀況及社會熱點難點問題展開。〖155字〗

8、(3)分析數據。分析的目的是找到對預測輸出影響最大的數據字段，和決定是否需要定義導出字段。如果數據集包含成百上千的字段，那么瀏覽分析這些數據將是一件非常耗時和累人的事情，這時需要選擇一個具有好的界面和功能強大的工具軟件來協助你完成這些事情。〖112字〗

9、"語言學、心理學和統計學是21世紀中國最有發展前途的三大學科。"這是教育部社政司司長、中國人民大學博士生導師顧海良教授在一次重要會議上發表的觀點。為什么統計學是最有前途的學科之一，這個觀點的依據是什么，這個判斷對我國統計學、乃至我國統計工作的發展意味著什么?〖119字〗

10、數據挖掘是指從大量的數據中通過算法搜索隱藏于其中信息的過程。〖29字〗

11、(6)評價模型。模型建立好之后，必須評價得到的結果、解釋模型的價值。從測試集中得到的準確率只對用于建立模型的數據有意義。在實際應用中，需要進一步了解錯誤的類型和由此帶來的相關費用的多少。經驗證明，有效的模型并不一定是正確的模型。造成這一點的直接原因就是模型建立中隱含的各種假定，因此，直接在現實世界中測試模型很重要。先在小范圍內應用，取得測試數據，覺得滿意之后再向大范圍推廣。〖171字〗

12、數據挖掘過程模型步驟主要包括定義問題、建立數據挖掘庫、分析數據、準備數據、建立模型、評價模型和實施。下面讓我們來具體看一下每個步驟的具體內容：〖64字〗

13、統計學（statistics）是應用數學的一個分支，主要通過利用概率論建立數學模型，收集所觀察系統的數據，進行量化分析、總結，做出推斷和預測，為相關決策提供依據和參考。它被廣泛的應用在各門學科之上，從物理和社會科學到人文科學，甚至被用來工商業及政府的情報決策之上。隨著數字化的進程不斷加快，人們越來越多地希望能夠從大量的數據中總結出一些經驗規律從來為后面的決策提供一些依據。統計學專業不是僅僅像其表面的文字表示，只是統計數字，而是包含了調查、收集、分析、預測等。應用的范圍十分廣泛。〖220字〗

14、統計學在我國是亟待發展和具有輝煌前景的學科，這樣講主要有三點依據。首先，20世紀后半個世紀，人文社會科學的發展與統計學的關系越來越緊密，統計學的發展已經滲透到人文社會科學的許多領域，并由此產生許多新的學科，如人口統計學、歷史統計學、教育統計學、心理統計學、社會統計學，等等。統計學與人文社會科學的結合，改變了原有單一學科發展的思路、視野和應用功能，對人文社會科學的發展具有極大的支撐作用；反過來，這種結合又促進了統計學的發展。但是，最根本的是統計學對人文社會科學巨大的推動作用，這種推動作為一個大趨勢還將在21世紀得到更充分的體現。第二，21世紀是信息經濟時代，信息經濟時代的特征是計算機的普及應用，但是，從本質上講，信息經濟所依賴的不只是信息處理手段的先進性，更重要的是信息收集、整理的準確性，而準確的信息收集、整理離不開統計學學科的發展。因此，統計學對信息經濟的發展同樣具有重要的支撐作用。第三，目前在中國，統計學的發展還處于"肢體不全"的狀態。一說到統計，人們總想到的就是報表，而不是從學科角度認識它。實際上，統計學不僅在物理、化學等自然科學領域廣泛應用，而且在政治、經濟、文化、歷史等社會實踐和學科發展中都有深入的應用。但在我國，統計學在政治、文化等領域的發展還較弱。因此，統計學在這些領域的發展余地越大，它未來發展的前景就越好。目前在我國，人們對統計學的認識還不全面，在高校，財會、金融、國際貿易等專業都很"火"，而統計專業卻在萎縮。這與國外有很大不同，在一些發達國家如法國等，統計學是大學里最受重視的學科，統計學發展得如何是衡量某一大學學術水平的標志。在這些國家，統計學是強勢學科，而在我國，統計學仍是弱勢學科，這個現狀也決定了統計學在我國應有更大的發展空間。〖663字〗

15、數據挖掘對象〖6字〗

16、四、建立統計服務子系統。體現統計工作的價值關鍵在于服務。服務對象不僅局限于各級領導部門，也包括社會各界及各行各業。要逐步變被動服務為主動服務，大力開辟統計服務的新內容、新形式和新領域。以服務為導向，向前述的三個子系統及時反饋信息和提出新的課題，從而推動整個系統的高效運作。〖125字〗

17、(1)定義問題。在開始知識發現之前最先的也是最重要的要求就是了解數據和業務問題。必須要對目標有一個清晰明確的定義，即決定到底想干什么。比如，想提高電子信箱的利用率時，想做的可能是“提高用戶使用率”，也可能是“提高一次用戶使用的價值”，要解決這兩個問題而建立的模型幾乎是完全不同的，必須做出決定。〖131字〗

18、(2)建立數據挖掘庫。建立數據挖掘庫包括以下幾個步驟：數據收集，數據描述，選擇，數據質量評估和數據清理，合并與整合，構建元數據，加載數據挖掘庫，維護數據挖掘庫。〖68字〗

19、(7)實施。模型建立并經驗證之后，可以有兩種主要的使用方法。第一種是提供給分析人員做參考；另一種是把此模型應用到不同的數據集上。〖57字〗

20、統計學應該是很有意義和前途的學科，國外也是，而且會有很多交叉學科。國內會越來越重視數據和統計的，未來職業機會應該是越來越多的。〖58字〗

21、(5)建立模型。建立模型是一個反復的過程。需要仔細考察不同的模型以判斷哪個模型對面對的商業問題最有用。先用一部分數據建立模型，然后再用剩下的數據來測試和驗證這個得到的模型。有時還有第三個數據集，稱為驗證集，因為測試集可能受模型的特性的影響，這時需要一個獨立的數據集來驗證模型的準確性。訓練和測試數據挖掘模型需要把數據至少分成兩個部分，一個用于模型訓練，另一個用于模型測試。〖172字〗

22、數據挖掘通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。〖63字〗

23、統計學作為理學中的專業，理科成分更多，更乏味無趣。沒有專門對應的工作與崗位，可以與其它專業相結合。但是很多領域都可以用到，比如可以在會計行業或者在資料管理方面，比如在公司里負責有關數據的處理和分析。整體而言，如果英語比較好，統計分析能力強，并且具備一定的社會實踐經驗，能夠進入跨國公司與大牌咨詢公司，薪酬會非常高。如果沒有這方面的優勢，薪酬一般，另外，在大城市，如北京、上海、深圳等一線城市。如果這個專業可以進行深造，比如讀研，可以往財稅、金融等領域突破，考CPA、精算師等，到銀行、會計事務所、保險公司等機構工作。〖228字〗

25、一、建立數據源子系統。準確、全面、及時地采集基礎數據是開展統計工作之本。沒有一個健全和高素質的基層統計組織體系，就不可能快、精、準地收集統計基礎數據；沒有高質量的基礎數據，據此而從事的所有后續的工作，都將會是精力上的浪費并進而可能導致決策上的失誤。因此，建立數據源子系統是現代統計系統中最基本和最重要的一部分。具體地說，在鞏固和加強市、縣統計機構的基礎上，重點要建立起鎮、村級及企事業單位等基層的數據源統計組織機構，各有關同級部門也必須建立自己的統計組織，由此形成上下貫通、縱橫交織、完整高效的統計數據收集的組織網絡。各統計組織機構要配備充足的素質優良的統計人員，并保持其穩定性，應采用先進的數據采樣方法、技術及裝備，同時還要輔以統計法制手段來確保上報數據的質量。〖304字〗

26、首先了解下統計學這門學科的特點〖15字〗

27、

28、數據挖掘的對象可以是任何類型的數據源。可以是關系數據庫，此類包含結構化數據的數據源；也可以是數據倉庫、文本、多媒體數據、空間數據、時序數據、Web數據，此類包含半結構化數據甚至異構性數據的數據源。〖88字〗

29、統計是一門融合自然科學和社會科學的學問，同時也是一項嚴謹細致的工作。從基礎數據的采集到綜合處理，從數據的分析研究到最終服務于社會，各個環節緊密相連，牽一發而動全身。其涉及層面之廣，處理流程之嚴密，可以認為統計工作本身就是一項復雜的系統工程。如果以中等城市為研究對象，按照統計工作的規律，以系統工程的理論為基礎去探討建立現代統計系統，該系統可以由四個"子系統"組成，即：數據源子系統、數據處理子系統、數據分析研究子系統和統計服務子系統。該系統涵蓋并拓展了諸如加強統計隊伍組織建設、建立統計信息自動化系統、繁榮統計科學研究、提供統計優質服務等方面內容。可以說，建立并銜接好這四個"子系統"，統計數據的質量才有可靠的保證、統計工作的效率才可以大大提高、統計工作的職能才能得到充分的發揮。〖310字〗

30、數據挖掘步驟〖6字〗

31、(4)準備數據。這是建立模型之前的最后一步數據準備工作。可以把此步驟分為四個部分：選擇變量，選擇記錄，創建新變量，轉換變量。〖53字〗

32、結合我國統計學發展的現狀、未來及發展理念，我國"十五"期間統計學發展的趨勢：主要是大力發展應用統計領域，特別是在人文社科領域如宏觀經濟、金融、稅收、保險、管理、社會、環境、旅游、人口、新聞輿論、政策等領域，建立這些應用領域的統計研究平臺，提高應用統計總體研究水平；同時，推進數據統計分析方法與計算機技術的有機結合。在重點研究課題方面，要加強宏觀經濟計量模型的建立和應用研究，抽樣技術在社會經濟統計調查中的應用研究，現代統計在教育、法律中的應用研究，等等。〖200字〗

33、二十一世紀是信息的時代。現代的統計系統就是一個基于現代信息技術，實施網絡化運行和管理的龐大復雜的開環及閉環復合系統。隨著統計方法制度改革的深化、信息技術的日益進步和統計組織機構的不斷優化，統計的工作鏈將逐步縮短，各子系統就有可能達到最佳的運行狀態，整個統計系統的綜合效率就可以大為提高，統計工作在社會中的地位和作用就更加顯要了。因此，在建設現代統計系統的過程中，我們應對各子系統的平衡發展以及系統的整體狀況不斷地進行有益的探索，尋找其中的薄弱環節并加以改進。但需要強調的是，統計的基層組織建設和信息化建設必須走在前面。〖244字〗

34、統計學是新世紀最有前途的學科〖14字〗