在今年九月份，我发了一封推荐数据挖掘常见错误的帖子，是sas总结的，虽然跟sas工具关系密切，参见
http://groups.google.com/group/ttnn/browse_thread/thread/0609cd9ce79f...
当时提议看那位挖掘大侠能够翻译一下。后来，在delin、jiangtang的鼓动下，天宏、hunter、西宁、兰德里尼积极响应，于是大家干起来。不过进 展不算快，原来预想半个月搞定，这是个非常乐观的时间。结果，直到两个月后，才算完成第一个完整版本的翻译。哎，不容易啊，大家在忙自己事情之外，还是抽出点时 间来整这个玩意儿。就像张艺谋导演说得，时间就像是黄金甲的乳沟，挤一挤总还是有的。
这次合作，大致的分工是这样的：
西宁负责第一节，准备数据。这部分内容不少，后来，在天宏的帮助下，又拉进来他们的一位哥们儿杨铮，一起完成这部分。
delin负责第二部分，变量角色定义、抽样、目标轮廓。
hunter dong负责第三部分数据分割，划分训练集、校验集、测试集之类的东西。
天宏负责第四、五部分，变量选择和缺失值处理， 这部分看得我头晕。
江堂负责第六、七、八部分，线性回归模型、决策树模型、神经病网络模型的建模，这部分也够复杂的。
懒得理你负责最后10、11、12部分，模型评估、打分以及聚类
鄙人对挖掘其实不太明白，平时大家看我在这里说三道四，你仔细看，就会发现我从来没有说到挖掘方法的细节里面，因为我不懂。基本上都是围绕一些虚层面的东西来说 ，比如方法论，比如如何评估等等。因此，最后分给我的任务是前言、感谢的部分，以及文字校稿。
最后由江堂统一复审了整篇文章，我看几乎是重新看了原文和大家的译文，给出一大堆意见，把我们的的word文件染红了一半边。不过还好，他说，他平时就是天天搞 sas，所以那些术语对他来说到还熟悉的很。
因为任务的原因，校稿，鄙人从这次翻译学到不少。以前的那个典故，说黄裳在校对道教藏经几百遍之后，悟出九阴真经，看来是真有这么回事。我想如果我也能校对三百 遍，我肯定成了挖掘高手。不过，不行，看到那些公式，我总是有些头晕。好在这篇文档的公式不多，所以我还能够坚持看两遍。其中有些部分挺有意思的，比如对目标定 义的那一节里面，举了一个响应模型和促销模型的例子。你的业务目标到底是要让客户对促销有比较良性的态度呢？还是希望销量增加？这点我算是深有体会，业务目标跟 模型目标并不匹配。
另外，还有目标轮廓这个东西，叫做target
profile。一开始看到这个单词，觉得莫名其妙，后来大家讨论了解到，基本上这算是定义如何对目标变量定义决策规则的东西，应该是sas里面的术语。但这个 步骤在我们通常的挖掘建模、应用过程中却通常没有，值得学习。总之，里面很多话题，都是可以单独拿出来探讨的，看以后的机会吧。
本来，按照我的癖好，给此文起了个名字，叫《数据误典》，多响亮的一个名字。不过天宏反对，说不严肃，江堂也说，不贴切。唉，既然两个人反对，就放弃了这个名字 ，还是老老实实叫做《常见数据挖掘错误：识别和纠正》，制成PDF格式。
还有件事情值得一提，我们翻译这篇文章是得到作者授权的。9月底的时候，江堂就发了一封邮件给作者Doug
Wielenga说翻译这件事。DW说，好事啊，不过得看看sas同不同意。于是帮我们将邮件转给sas的相关部门，国庆后，得到回复，说可以，你们搞吧，只要 不是为了盈利性质，另外别忘了加上一串版权说明的文字就可以了。
翻译费了不少功夫，当然，如果翻译的不好，就该遭骂。我从没有看到有人对翻译的图书有过好评，常见的评价都是，"那翻译的，贼几把烂。"不过念在我们的业余翻译 水平，如果你在看这篇译文觉得有些不通之处，不禁要骂两句的话，可以考虑将"几把"两个字去掉。同时，也欢迎各位读者朋友能够转发此文。我个人意见，认为这篇文 章没有局限于数据挖掘的技术，而是在应用、方法上面谈到很多有价值的东西。自从我看完了整篇文章，我腿脚利索了，吃饭睡觉也香了，几年的便秘也好了，肌肉发达了 ，胸脯变大了，而且还经常有姑娘朝我抛媚眼了。要是您不信了，哎，不妨看看。
下载地址：http://groups.google.com/group/ttnn/web/kuihuabaodian.pdf
|
