一、课前讲解
应用于——金融业务问题
分类,聚类,预测(回归),关联分析
算法:重点内容,但不是基础内容(Python基础知识,前七章)(处理对象,数据类型,模块,函数,规范,逻辑,算法)
需求:数据挖掘+大数据理论知识
金融数据挖掘:算法、工具,平台(Python)
Python!基础——否则无本之木
使用Python算法,体现在结果分析金融。
三阶段:规范+逻辑+目标需求
二、理论模型&Python算法实现
相互关联,但第二步更难。
Apriori算法——算法从0实现,模板。
(缺少Python实践经历,现实中、工作中、任务中,模板处理的数据都是固定的,想要有创新,有改进。长时间使用模板,会形成惯性,自我创新意识、能力不断被磨灭)
觉得费时费力,不出成果,能力是慢慢培养的,没有创新没有竞争力。
不断创新,不断提升!
三、代码
1、构建数据集、数据对象
数据读取函数(基础知识)
2、关联规则
生成项集,1-项集,2-项集
Python实现,理论模型,做作业、考试
3、输出1-项集(C)
函数
单项提取——for循环
冻结操作(不能更改,不可变集合)
想看数据,打印出来