使用Python负责任的机器学习 训练可解释机器学习（ML）模型，解释ML模型以及调试ML模型的准确性，辨别力和安全性的技术示例。 概述 随着越来越多的经济体接受自动化和数据驱动的决策，使用人工智能（AI）和ML模型可能会变得越来越普遍。 尽管这些预测系统可能非常准确，但它们常常是难以理解且不受欢迎的黑匣子，它们仅产生数字预测，而没有附带的解释。 不幸的是，最近的研究和最近的事件引起了人们对脆弱的AI和ML系统中数学和社会学缺陷的关注，但是从业人员通常没有正确的工具来撬开ML模型并对其进行调试。 本系列笔记本介绍了几种方法，这些方法可以提高ML模型的透明度，责任感和可信赖性。 如果您是数据科学家或分析师，并且想要训练准确，可解释的ML模型，向您的客户或经理解释ML模型，测试这些模型的安全漏洞或社会歧视，或者您担心文档，验证或法规方面的问题要求，那么本系列Jupyter笔记本非常适合您！ （

用于测试的数据集合，配套https://github.com/zhangxinxing/basic_of_datamining

入侵检测 使用各种数据挖掘技术的入侵检测（KDD Cup 1999数据） 数据集位于 使用的技术： K均值（K = 59） 准确度93.077％ 精确 召回 F1分数 支持 攻击。 0.95 0.96 0.96 250436 正常。 0.83 0.80 0.82 60593 平均/总计 0.93 0.93 0.93 311029 决策树 准确度92.956％ 精确 召回 F1分数 支持 攻击。 1.0 0.91 0.95 250436 正常。 0.74 0.99 0.85 60593 平均/总计 0.95 0.93 0.93 31

space object dataset for data mining( can be opened by weka), classification: satellite, debris,rocket. Download from http://satellitedebris.net/Database in 2014-08-31. There are attributes of Space object like norad id, radar cross section, area to mass ratio, orbital parameters, size, etc.

Python数据挖掘 《 Python数据分析与挖掘实战》原始码和学习总结 第1章数据挖掘基础 第2章Python数据分析简介 第3章数据探索 第4章数据预处理 第5章挖掘建模 第6章电力窃漏电用户自动识别 第7章航空公司客户价值分析 第8章中医证型关联规则挖掘 第9章基于水色图像的水质评价 第10章家用电器用户行为分析与事件识别 第11章应用系统负载分析与磁盘容量预测 第12章电子商务网站用户行为分析及服务推荐 第13章财政收人影响因素分析及预测模型 第14章基于基站定位数据的商圈分析 第15章电商产品评论数据情感分析

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。 解决分类问题的方法很多 ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting等。

MatrixProfile MatrixProfile是Matrix Profile Foundation为您提供的Python 3库，用于挖掘时间序列数据。 Matrix Profile是一种新颖的数据结构，具有由UC-Riverside的Keogh和Mueen研究小组和新墨西哥大学开发的相应算法（踩踏，体制，主题等）。 该库的目的是通过标准化核心概念，简化的API和合理的默认参数值，使新手和专家都可以使用这些算法。 除了此Python库之外，Matrix Profile Foundation还提供了其他语言的实现。 这些语言具有相当一致的API，使您可以轻松地在它们之间进行切换，而无需花费大量学习时间。 tsmp -R实现 go-matrixprofile -Golang实现 Python支持 当前，我们支持以下版本的Python： 3.5 3.6 3.7 3.8 3

Data Mining - Practical Machine Learning Tools and Techniques (3rd Ed)

2017-CCF-BDCI-Enterprise 这是我的第一个数据挖掘比赛，CCF 大数据与计算智能大赛（BDCI）中的一题：。最终取得复赛 A 榜第 3，B 榜第 9 (Top 1.58%) 的成绩。 这个比赛 12 月中旬就结束了，硬是被我拖到现在才来总结，我这拖延症真的是……现在回忆起这个比赛，比赛时的那种郁闷感依然记忆犹新。我在复赛的第 5 天便达到了分数 6924，但之后一直无法提分，这种烦躁感当时给我带来了挺大的困扰（当然最后还是提升到了分数 6930）。等比赛结束之后，我回过头来看，其实当时我参赛的心态是不端正的，功利心太强，这样带来的问题就是比赛心态的爆炸，自己的眼界会被约束，提分方式的想象力也会被限制。最好的心态应该是抱着学习的心态参赛，只要能够学到一点点新的东西，就会感到惊喜。 另外一个想说的点是，我们团队在复赛 A 榜中排名第 3，但是切换 B 榜之后，便跌到第 9

用关键字捕捉推文 通过该项目，您可以使用Twitter API使用输入的单词和日期从API中提取数据。 输出示例 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 Python 2.7和Pip 正在安装 git clone https://github.com/dogukanayd/Catch-Tweet-with-Keyword.git cd Catch-Tweet-with-Keyword pip install -r requirements.txt 在settings.py中输入您自己的密钥 YOUR_CONSUMER_KEY = 'Y