CRoss IndustryStandard Process- for Data Mining 跨行業數據挖掘標準流程（下）

因爲篇幅的問題，不得不將一篇文章分三個隨筆來寫。而本文承接前面兩篇文章《跨行業數據挖掘標準流程（上）》、《跨行業數據挖掘標準流程（中）》。欲瞭解前兩篇文章，請參考下面的連接：

《跨行業數據挖掘標準流程（上）》：http://www.cnblogs.com/ljy2013/p/5542961.html

《跨行業數據挖掘標準流程（中）》：http://www.cnblogs.com/ljy2013/p/5543018.html

6、模型的評價

模型的評價在這裏我給出了幾個評價指標，可是具體的評價仍是須要根據具體的業務場景才能決定。例如：在正負樣本極度不平衡的場景下，通常會選擇AUC做爲模型的評價指標。也有些模型在一些業務場景下須要線上去運行以後，來檢測模型的好壞。

7、模型部署

因爲有些模型分析出來以後，僅僅供領導們來執行決策的一種參考，或者是一種拉風投的一個噱頭；而有一些模型多是跟一些業務有關係，或者是爲了改善某個線上的業務邏輯所創建的，因此須要上線運行。例如：電子商務的推薦算法，金融行業的違約和拒絕模型都須要上線運行。