《常用数据挖掘算法从入门到精通》系列共21篇文章,主要向大家介绍了包括K-means聚类,决策树分类,人工神经网络以及支持向量机等10多种常用的数据挖掘算法理论和具体的案例。本文给出全部的链接以及每一篇文章的简介,大家可以根据自己的需要有选择性地学习和查阅,真正想学习数据挖掘和机器学习但是算法理论功底又不够扎实的同学建议把这一系列的文章都看一看,每天看一点也不用多久就可以看完了,每一篇文章除了以尽量简单通俗的语言给大家介绍理论部分外,还附有详细的案例帮助大家理解和巩固,希望对后续大家进一步的学习有所帮助。
CONTENT
第一篇:《常用数据挖掘算法从入门到精通 第一章数据预处理(1)数据预处理简介》
介绍了数据预处理的目的;常用的数据预处理方法;一般数据预处理流程。
第二篇:《常用数据挖掘算法从入门到精通 第一章数据预处理(2)数据清理》
介绍了填充缺失值,光滑噪声数据的数据清理方法。
第三篇:《常用数据挖掘算法从入门到精通 第一章数据预处理(3)数据集成》
介绍了数据集成的概念;数据集成的内容;模式集成和对象匹配,冗余数据的处理,数值冲突的检测和解决的数据集成方法。
第四篇: