数据挖掘基础介绍

1.定义挖掘目标

2.数据取样

3.数据探索

4.数据预处理

5.挖掘建模

6.模型评价

常用工具：

1. SAS  Enterprise Miner

2.IBM SPSS Modeler

3.SQL Server

4.Python

5.WEKA

6.KNIME

7.RapidMiner

8.TipDM

Python 工具包：

 Numpy              Scipy      Matplotlib          Pandas                                 StatsModels                        Scikit-Learn                               

数组          矩阵       数据可视化        数据分析和探索工具                  统计建模                 支持回归、分类、聚类的机器学习库

 

         Keras                                    Gensim

神经网络和深度学习                      文本挖掘                       

学习笔记：

                函数式编程

               lambda() 、map()  、reduce（）、filter（）、

matplotlib绘图：

         https://matplotlib.org/gallery.html

Pandas:  1.支持类似SQL的增、删、改、查

                2.支持时间序列分析功能

                3.支持灵活处理确实数据

《利用Python 进行数据分析》

  Pandas基本的数据结构是Series 和dataframe   类似 一维数组和二维数组

 Pandas :用于数据的读取、处理和探索

StatsModels:支持统计建模分析