该文档总结了常用的数据挖掘的算法原理以及Python实践内容，为初学者提供良好的参考资料，需要的朋友可看看！ 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA）.11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评估46 第四部分 非监督学习---聚类与关联分析50 第十二章 Kmeans 聚类分析.50 第十三章 关联分析 Apriori.52 第十四章 数据预处理之数据降维54 第五部分 Python 数据预处理.57 第十五章 Python 数据分析基础.57 第十六章 Python 进行数据清洗.77 第六部分 数据结构与算法82 第七部分 SQL 知识.86 第八部分 数据挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis forairplane-crashes-since-190894 案例三 贷款预测问题98 案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证107

从海量数据到大数据-数据挖掘算法、过程及应用案例，

数据挖掘顺序模式 挖掘频繁序列/序列模式的算法实现 实现的算法 [PrefixSpan - 前缀投影模式增长] ( ) [SPAM - 使用位图表示的顺序模式挖掘] ( ) [LAPIN-SPAM - 最后位置归纳序列模式挖掘] ( ) [BIDE - 双向扩展模式闭合检查] ( ) 用于位图操作的优化 [De Bruijn 序列] ( ) [Bit Twiddling Hacks] ( )

第一章 数据挖掘基本知识.pdf 第二章 数据预处理.pdf 第四章 分类与预测.pdf .. 第七章 复杂数据的挖掘.pdf

数据仓库、数据挖掘教材：数据挖掘原理与算法.pdf

数据挖掘 算法

此算法为数据挖掘经典分类算法之一-决策树C4.5算法，程序采用java编程，可以帮助初学数据挖掘的朋友进行算法的简单了解和初步的分析。

pymining--纯python数据挖掘算法包 简洁而不简单

阐述了轨迹挖掘是什么，有什么作用，轨迹挖掘包含哪些研究方向，近些年有哪些主流的轨迹挖掘算法

包含很多知名算法实现，支持向量机，决策树，粗糙集，贝叶斯分类器等，适合学术研究，短评论意见挖掘，文本分类等83个数据挖掘算法。禁止商业利益，本资料供大家学习。