1.明確需求（因變量Y）

2.數(shù)據(jù)清洗（重復(fù)值，缺失值，異常值，數(shù)據(jù)編碼）

重復(fù)值針對(duì)行，可能是因?yàn)閿?shù)據(jù)來源于多個(gè)系統(tǒng)

缺失值：1.刪除所在行

2.填補(bǔ)（所在列為連續(xù)型數(shù)據(jù)用均值填補(bǔ)；所在列為分類型數(shù)據(jù)用分?jǐn)?shù)填補(bǔ)或者直接將缺失值單獨(dú)做一類）

異常值：錯(cuò)誤值 數(shù)據(jù)治理SQL

離群值 學(xué)術(shù) 清洗階段處理離群值（小樣本）

業(yè)界 殘差的離群值（大樣本）

數(shù)據(jù)編碼：將一些不方便提取信息的東西編碼變成易提取的數(shù)字

3.變量篩選（憑借業(yè)務(wù)知識(shí)去篩選，相關(guān)分析（相關(guān)系數(shù)，散點(diǎn)圖）逐步回歸（向前法））變量選擇以本人意愿為準(zhǔn)

變量變換 (非線性，PCA，卷積（圖）/詞模型（文本））

4.分割 測試集 訓(xùn)練集（預(yù)測） Y 連續(xù)型：直接切分

Y 分類型：樣本不平衡

5.回歸（F檢驗(yàn)，t檢驗(yàn)，adjusted R^20

6.模型調(diào)優(yōu)（線性性，序列相關(guān)性，共線性，內(nèi)生性，同方差，正態(tài)性）

7.繼續(xù)優(yōu)化（季節(jié)變量，高次項(xiàng)，交互項(xiàng)，啞變量...）

8.模型測試（交叉驗(yàn)證，測試集）