详解python实现FP-TREE进行关联规则挖掘 python3.2实现,可以生成每一步fp树的图片(需要安装PIL)

python数据挖掘实验，内附有八个实验文档说明。实验一 探索性数据分析演示、实验二 常用概率分布演示、实验三 置信区间和假设检验演示、实验四 线性回归模型演示.................

本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评估46 第四部分 非监督学习---聚类与关联分析50 第十二章 Kmeans 聚类分析 .50 第十三章 关联分析 Apriori.52 第十四章 数据预处理之数据降维54 第五部分 Python 数据预处理 .57 第十五章 Python 数据分析基础 .57 第十六章 Python 进行数据清洗 .77 第六部分 数据结构与算法82 第七部分 SQL 知识.86 第八部分 数据挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis for airplane-crashes-since-190894 案例三 贷款预测问题98 案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证107

算法有关联算法Apriori，分类算法BP、adboost，KNN，聚类算法kmeans、kmedoids、Clarans，回归有线性回归，里面程序代码有自带样例，下载相应包即可运行

python做的电信流失用户分析，算是标准的分析流程了，需要的同学可以下载

python数据挖掘数据集 python_tweets python_tweets.rar

python 数据挖掘 第七章的测试数据 chapter7 data python

以twitter linkin google等知名网站为案例，利用python高效的文本检索和网络爬虫技术，进行数据挖掘和分析，示例简单，易于操作，对有志于文本检索和网络爬虫技术的程序员有很大的借鉴意义。