周小董

文章目录第5章：挖掘建模5.1、分类与预测5.1.1、实现过程5.1.2、常用的分类与预测算法5.1.3、回归分析5.1.4、决策树5.1.5、人工神经网络5.1.7、 Python分类预测模型特点5.2、聚类分析第5章：挖掘建模5.1、分类与预测分类和预测是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），而预测 主要是建立连续值函数模型，预测给定自变量对应的因变量的值。5.1.1、实现过程(1）分类分类是构造一个分类模型，输入样本的属性值，输岀对应的类别，将每个样本映射到预先定义好

文章目录第4章：数据预处理4.1、数据清洗4.1.1、缺失值处理4.1.1、异常值处理4.2、数据集成4.2.1、实体识别4.2.2、冗余属性识别4.3、数据变换4.3.1、简单函数变换4.3.2、规范化4.3.3、连续属性离散化4.3.4、属性构造4.3.5、小波变换4.4、数据规约4.4.1、属性规约4.4.2、数值规约4.5、Python主要数据预处理函数4.6、小结第4章：数据预处理数据预处理一方面是要提高数据的质量，另一方面是要让 数据更好地适应特定的挖掘技术或工具。统计发现，在数据挖掘的过程

文章目录第3章：数据探索3.1、数据质量分析3.2、数据特征分析3.2.1、分布分析3.2.2、对比分析3.2.3、统计量分析1.集中趋势度量2.离中趋势度量3.2.4、周期性分析3.2.5、贡献度分析3.2.6、相关性分析1. 直接绘制散点图2. 绘制散点图矩阵3. 计算相关系数3.3、python主要数据探索函数3.3.1、基本统计特征函数corr()cov()skew/kurt3.3.2、拓展统计特征函数3.3.3、统计作图函数(1) plot(2) pie(3) hist(4) boxplot(5)

文章目录第2章：python数据分析简介2.2、python使用入门2.2.3、数据结构(1)列表/元组(2)字典(3)集合(4)函数式编程2.2.4、库的导入与添加2.3、python数据分析工具2.3.1、numpy2.3.2、scipy2.3.3、matplotlib2.3.4、pandas2.3.5、statsmodels2.3.6、scikit-learn2.3.7、keras2.3.8、gensim第2章：python数据分析简介2.2、python使用入门2.2.3、数据结构pytho

文章目录第1章：数据挖掘基础1.3、数据挖掘的基本任务1.4、数据挖掘建模过程1.4.1、 定义挖掘目标1.4.2、 数据取样1.4.3、数据探索1.4.4、数据预处理1.4.5、挖掘建模1.4.6、模型评价1.5、常用的数据挖掘建模工具第1章：数据挖掘基础数据挖掘是从大量数据（包括文本）中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程。1.3、数据挖掘的基本任务数据挖掘的基本任务包括利用分类与预测、聚类分