常用数据挖掘算法总结及Python实现

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

超实用资料，高清非扫描，文字（包括部分代码）可复制粘贴，好东西不多说，贴上目录供内容参考：

目录
第一部分 数据挖掘与机器学习基础 ................................ ................................ .............................. 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 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
一、二叉树（前中后遍历） ................................ ................................ ................................ .. 82
二、几种基本排序方法 ................................ ................................ ................................ .................. 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-1908 ................................ ................................ .......... 94
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
常用数据挖掘算法总结及Python实现.pdf (4.91 MB, 需要: 19 个论坛币)

2017-7-28 16:00:48 上传

需要: 19 个论坛币  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏8 回帖

关键词：数据挖掘算法 python 数据挖掘 Python数据分析 logistic回归

看了一下，还可以。