由于篇幅的问题，不得不将一篇文章分三个随笔来写。而本文承接前面两篇文章《跨行业数据挖掘标准流程（上）》、《跨行业数据挖掘标准流程（中）》。欲了解前两篇文章，请参考下面的链接：

《跨行业数据挖掘标准流程（上）》：http://www.cnblogs.com/ljy2013/p/5542961.html

《跨行业数据挖掘标准流程（中）》：http://www.cnblogs.com/ljy2013/p/5543018.html

六、模型的评价

模型的评价在这里我给出了几个评价指标，但是具体的评价还是需要根据具体的业务场景才能决定。例如：在正负样本极度不平衡的场景下，一般会选择AUC作为模型的评价指标。也有些模型在一些业务场景下需要线上去运行之后，来检测模型的好坏。

七、模型部署

由于有些模型分析出来之后，仅仅供领导们来执行决策的一种参考，或者是一种拉风投的一个噱头；而有一些模型可能是跟一些业务有关系，或者是为了改善某个线上的业务逻辑所建立的，所以需要上线运行。例如：电子商务的推荐算法，金融行业的违约和拒绝模型都需要上线运行。