数据挖掘
2023-06-08 20:15:04 25 举报
AI智能生成
登录查看完整内容
数据挖掘思维导图
作者其他创作
大纲/内容
数据挖掘简介
数据分析于数据挖掘
关联分析
数据建模预测
聚类分析
离群点检测
数据挖掘的主要任务
数据仓库数据
数据仓库
事务数据库
其他类型数据库
数据挖掘的数据源
统计学
机器学习
数据库管理与数据仓库
数据挖掘使用的技术
数据挖掘存在的主要问题
商用工具
开源工具
数据挖掘建模的常用工具
为何选Python进行数据挖掘
jupyter notebook的使用
绪论
基础数据类型
变量和赋值
运算符和表达式
字符串
流程控制
函数
Python概述
列表
元组
字典
集合
内建数据结构
创建数组对象
ndarray对象属性和数据转换
生成随机数
数组变换
数组的索引和切片
数组的运算
numpy中的数据统计与分析
numpy数值运算基础
pandas中的数据结构
索引对象
查看DataFrame的常用属性
DatFrame的数据查询与编辑
pandas数据运算
函数应用与映射
排序
汇总与统计
数据分组与集合
pandas数据读取与存储
pandas统计分析爱基础
matplotlib简介,绘图基础
设置pyplot的鼎泰rc参数
pyplot中常用绘图
matplotlib图表绘制基础
scikit-learn简介
scikit-learn中的数据集
scikit-learn的主要功能
scikit-learn
Python数据分析与挖掘基础
属性
属性类型
属性及其类型
中心趋势度量
数据散布度量
数据的基本统计描述
基于像素的可视化技术
几何投影可视化技术
基于图符的可视化技术
层次可视化技术
可视化复杂对象和关系
高维数据可视化
Python可视化
数据可视化
数据矩阵和相异性矩阵
标称属性的相异性矩阵
二元属性的相异性矩阵
数值属性的相异性矩阵
序数属性的相异性矩阵
余弦相似性
距离度量Python实现
数据对象的相似性度量
认识数据
原始数据中存在的问题
数据质量要求
数据预处理的必要性
数据清洗方法
利用pandas进行数据清洗
数据清洗
数据集成过程中的关键问题
利用pandas合并数据
数据集成
离差标准化数据
标准差标准化数据
数据标准化
维规约
数量归纳
数据压缩
数据规约
数据变换的策略
Python数据变换与数据离散化
数据变换与数据离散化
利用scikit-learn进行数据预处理
数据预处理
回归分析的定义与分类
回归分析的过程
线性回归概述
一元线性回归方法
一元线性回归模型的参数估计
一元线性回归模型的误差方差估计
一元线性回归模型的主要统计检验
一元线性回归的Python实现
一元线性回归分析
多元线性回归模型
多元线性回归模型的参数估计
多元线性回归的假设检验及评价
多元线性回归的Python实现
多元线性回归
逻辑回归模型
逻辑回归的Python实现
逻辑回归
其它分类回归
回归分析
关联规则分析概述
频繁项集,闭项集合关联规则
apriori算法
由频繁项集产生的关联规则
提高apriori的算法效率
频繁模式增长算法
使用垂直数据格式挖掘频繁项集
频繁项集挖掘方法
强关联规则
从关联分析到相关分析
关联模式评估方法
apriori算法应用
关联规则挖掘
分类概述
决策树原理
id3算法,c4.5算法
cart算法
数剪枝
决策树应用
决策树归纳
算法原理
Python算法实现
k近邻算法
支持向量机
朴树贝叶斯分类
高斯朴树贝叶斯分类
多项式朴树贝叶斯分类
朴树贝叶斯分类应用
分类器性能度量
模型选择
模型评估与选择
方法简介
袋装
提升adaboost
随机森林
组合分类
分类
聚类分析的概念
聚类算法的分类
聚类算法概述
算法改进
算法实现
K-Means聚类
簇间的距离度量
分裂层次聚类
凝聚层次聚类
层次聚类应用
层次聚类
dbscan算法实现
基于密度的聚类
sting聚类
概念聚类
模糊聚类
其他聚类的方法
聚类趋势的估计
聚类簇数的缺点
聚类质量的测定
聚类评估
聚类
数据挖掘
0 条评论
回复 删除
下一页