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
1