大数据分析建模总共要进行5个步骤：选择模型——训练模型——评估模型——英勇模型——优化模型结构，下面将分步介绍每个步骤：
操作方法
-
01
第一步：选择模型/自定义模型 基于业务基础来决定选择模型的形态，比如，如果要预测产品销量，则可以选择数值预测模型。（可采用回归模型，时序预测）
-
02
第二步：训练模型 之所以叫模型，因为每个模型大致的模式是固定的，但其中还会有一些不确定的变量在里面，这样模型才会有通用性，而训练模型的意思就是找到最合适的参数，一旦找到最优参数，模型就基本可用了！
-
03
第三步：评估模型 也即是字面意思，但一个模型的好坏是需要放在其特定的业务场景下来评估的。 评价模型质量的常用指标有：平均误差率、判定系数R2 评估分类预测模型质量的常用指标（如下图所示）：正确率、查全率、查准率、ROC曲线和AUC值等
-
04
第四步：应用模型 评估测量完成后，就要将此模型应用于业务基础的实践中去，用于解决工作中的业务问题的，比如预测客户行为，比如划分客户群。
-
05
第五步：优化模型，一般发生在两种情况下： 1.在评估模型中，如果发现模型欠拟合，或者过拟合，说明这个模型待优化； 2.在真实应用场景中，定期进行优化，或者当发现模型在真实的业务场景中效果不好时，也要启动优化；
