python与数据挖掘上机实验pandas_西线学院每日学习分享----利用Python练习数据挖掘...

只要能解决实际问题，用什么工具来学习数据挖掘都是无所谓的，这里首推Python。那么，我们该如何利用Python来学习数据挖掘呢？我们需要掌握Python中的哪些知识呢？

1、Pandas库的操作

Panda是数据分析特别重要的一个库，我们要掌握以下三点：

1)pandas 分组计算；

2)pandas 索引与多重索引；

索引比较难，但是却是非常重要的

3)pandas 多表操作与数据透视表

2、numpy数值计算

numpy数据计算主要的应用是在数据挖掘，对于以后的机器学习，深度学习，这也是一个必须掌握的库，我们要掌握以下内容：

1)Numpy array理解；

2)数组索引操作；

3)数组计算；

4)Broadcasting(线性代数里面的知识)

3、数据可视化－matplotlib与seaborn

1)Matplotib语法

python最基本的可视化工具就是matplotlib。我们咋一看Matplotlib与matlib有点像，我们要搞清楚二者的关系是什么，这样我们学习起来才会比较轻松。

2)seaborn的使用

seaborn是一个非常漂亮的可视化工具。

3)pandas绘图功能

我们说过pandas是做数据分析的，但它也提供了一些绘图的API。

4、数据挖掘入门

这部分是最难也是最有意思的一部分，要掌握以下几个部分：

1)机器学习的定义

在这里跟数据挖掘先不做区别

2)代价函数的定义

3)Train/Test/Validate

4) Overfitting的定义与避免方法

5、数据挖掘算法

数据挖掘发展到现在，算法已经非常多了，下面只需掌握最简单的，最核心的，最常用的算法；

1)最小二乘算法；

2)梯度下降；

3)向量化；

4)极大似然估计；

5)Logistic Regression

6) Decision Tree

7) RandomForesr

8) XGBoost

6、数据挖掘实战

通过机器学习里面最著名的库scikit-learn来进行模型的理解。

西线学院表示这还仅仅是开始，在通往数据挖掘师与数据科学家的道路上，我们还要学习文本处理与自然语言的知识、Linux与Spark的知识、深度学习的知识等等，我们要保持持续的兴趣来学习数据挖掘。