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。