數據挖掘的步驟：需求->數據抓取->特徵選擇->模型選擇->驗證->應用
雖然步驟是靈活的，但是筆面試還是以這樣的過程爲基準的
分析步驟：首先要做技術評估
1， 數據抽取統計分析：對於數據特徵有一個初步的把握
2， 數據清洗
3， 數據變換
4， 歸併和分類
5， 屬性選擇
6， 模型構建：如果採用低有效的算法，可以採用集成學習的方法來進行學習，得到一個評分的排名結果
7， 模型評價：採用幾種評價手段來進行分析:用戶召回率，人工分析，誤差分析，分類準確度分析，矩陣分析，28原則等
8， 結果分析：對算法的優缺點逐一分析，看有沒有提升的方法
需要了解的情況：
數據特徵
數據特性
從業務人員角度考慮得到的關鍵特徵
從運營方角度考慮的得到的關鍵特徵
固有模型
需要交付的文件：
模型及使用文檔
發現的一般規律
常見錯誤及解決方案
模型思路及今後可能的優化方向