資料|《常用數據挖掘算法總結及 Python 實現》

2020-12-04 雷鋒網

今日資料推薦

《 常用數據挖掘算法總結及 Python 實現 》

這份資源非常適合相關的從業人員或大數據愛好者，該文檔總結了常用的數據挖掘的算法原理以及 Python 實踐內容，為初學者提供良好的參考資料，需要的朋友可看看！

目錄：

第一部分：數據挖掘與機器學習數學基礎

第二部分：機器學習概述

第三部分：監督學習--分類與回歸

第四部分：非監督學習--聚類與關聯分析

第五部分：Python 數據預處理

第六部分：數據結構與算法

第七部分：SQL 知識

第八部分：數據挖掘案列分析

案例一 A Journey through Titanic 597c770e

案例二 Analysis for airplane-crashes-since-1908

案例三 貸款預測問題

案例四 KNN 算法實現葡萄酒價格模型預測及交叉驗證

掃 碼 即 可 查 看 收 藏

下載地址：https://www.yanxishe.com/resourceDetail/1012?from=leiphonecolumn_res0319

更多相關資料下載：https://www.yanxishe.com/resources?from=leiphonecolumn

資料 | 《 Pytorch 深度學習實戰 》

資料 | 《 面向機器學習的特徵工程 》

資料 | 程式設計師面試寶典 第 5 版

資料 | 《 機器學習數學基礎 》

資料 | 《 怎樣解題：數學競賽攻關寶典（第 2 版） 》

資料 | 《 Linux 命令行與 shell 腳本編程大全 》

資料下載 | 數學分析八講（修訂版） ：概述了數學分析的基本思想、基本概念和基本方法

資料 | 《 大話數據結構 》

資料 | 《 你不知道的 JavaScript（上卷） 》

資料 | 算法設計與分析基礎（第 3 版）

資料 | 《 JavaScript 高級程序設計（第3版）中文-高清 》

資料 | 《 圖解密碼技術（第 3 版） 》

資料 | 《 Java 8 實戰 》

資料 | 《 推薦系統實踐 》

雷鋒網雷鋒網雷鋒網 雷鋒網雷鋒網雷鋒網

相關焦點

  • 數據挖掘常用的算法
    很多人對大數據的基本概念和特點已經有所了解，那麼我們僅僅將大數據進行獲取、存儲、檢索和共享是不夠的，怎麼樣才能在大數據中找出未知的且有價值的信息和知識呢?　　知識發現(KDD)就是從大數據中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的過程。　　數據挖掘是大數據知識發現(KDD)中不可缺少一部分，是大數據理論和應用中非常重要的一部分。
  • Python開發簡單爬蟲【學習資料總結】
    python語言高級：（python語言的高級庫，常用的企業級開發案例實戰） （1）Python常見第三方庫與網絡編程 （2）面向對象，Python正則表達式 （3）求職數據爬蟲，金融數據爬蟲，多線程爬蟲 （4）Python
  • 小白學數據:教你用Python實現簡單監督學習算法
    監督學習作為運用最廣泛的機器學習方法，一直以來都是從數據挖掘信息的重要手段。即便是在無監督學習興起的近日，監督學習也依舊是入門機器學習的鑰匙。有很多方法可以實現有監督學習，我們將探討幾種最常用的方法。根據給定的數據集，機器學習可以分為兩大類：分類（Classification）和回歸（Regression）。如果給定的數據集的輸出值是類別，那麼待解決是分類問題。
  • 機器學習、深度學習算法原理與案例實踐暨Python大數據綜合應用...
    共4天8節，講解機器學習和深度學習的模型理論和代碼實踐，梳理機器學習、深度學習、計算機視覺的技術框架，從根本上解決如何使用模型、優化模型的問題；每次課中，首先闡述算法理論和少量公式推導，然後使用真實數據做數據挖掘、機器學習、深度學習的數據分析、特徵選擇、調參和結果比較。
  • Python視頻教程網課編程零基礎入門數據分析網絡爬蟲全套Python...
    總目錄 零基礎全能篇(4套課程) 實用編程技巧進價(1套課程) 數據分析與挖掘(8套課程) 辦公自動化(3套課程) 機器學習與人工智慧(7套課程) 開發實戰篇(4套課程) 量化投資(2套課程) 網絡爬蟲(6套課程) 資料庫操作(1套課程) python
  • 電子商務大數據挖掘常用算法
    關聯規則推薦算法分為關聯規則形成和推薦形成二個階段。商品推薦子系統先根據關聯規則對當前客戶沒有瀏覽的商品進行推薦度計算，再根據推薦度的大小，推薦未瀏覽的商品給當前客戶。電子商務中具有海量的交易數據和大量有趣的業務關係，在典型的購物籃分析中，它可以幫助許多商業決策。
  • 一文總結數據科學家常用的Python庫(下)
    /* LIME */LIME是一種算法（和庫），可以解釋任何分類器或回歸量的預測。LIME如何做到這一點？通過一個可解釋的模型來近似它。靈感來自「為什麼我應該相信你？」：解釋任何分類器的預測「，這個模型解釋器可用於生成任何分類算法的解釋器。
  • 小白學數據小抄放送 Python,R,大數據,機器學習
    我記得還有幾張關於Python常用庫NumPy和Panda的小抄也特別實用? 答：是的。這些常用庫可以使你輕鬆進行探索性數據分析和各種數據整理。以下3張小抄表幾乎涵蓋了所有常用的語句啦！ 3. Python用於NumPy的數據科學小抄表 NumPy是Python用於科學計算的核心包。
  • python之kmeans數據聚類算法
    一 Kmeans原理kmeans是屬於無監督學習的數據聚類算法，根據點與點之間的距離推測每個點屬於哪個中心，常用計算距離的方式有：餘弦距離、歐式距離、曼哈頓距離等，本文以歐式距離為例。圖1假設每個點的維度是n，即每個點有n個特徵維度，計算這些點數據到數據中心A、B、C的距離，從而將每個數據歸類到A或B或C。
  • 吳信東:數據挖掘算法的經典與現代
    中科院計算所研究員沈華偉幾位特邀專家帶領了大家重溫經典，解讀他們心目中的經典機器學習與數據挖掘算法，並與大家分享了這些算法的起源、應用與影響。其中，明略科技首席科學家、明略科學院院長吳信東做了題為《數據挖掘算法回顧：經典與現代》報告，總時長為1個小時左右，內容主要分為三個部分：數據挖掘中代表性的領域、數據挖掘的經典算法、2006年之後的現代數據挖掘技術。下文是本場報告的文字版，由 AI 科技評論編輯。
  • 小白學數據28張小抄放送 Python,R,大數據,機器學習
    在Python中做探索性數據分析 在Python中進行探索性數據分析的最佳包是NumPy, Pandas和Matplotlib。通過它們，你將學會如何在python中加載文件，轉換變量，分類數據，繪圖，創建樣本數據集，處理缺損數據等等。這張表總結了三個庫中常用的語句，這是用於探索性數據分析的最簡單的小抄本之一。
  • 哈工大碩士生用Python實現11種經典數據降維算法,原始碼庫已開放
    雷鋒網 AI 開發者按：網上關於各種降維算法的資料參差不齊，同時大部分不提供原始碼。這裡有個 GitHub 項目整理了使用 Python 實現了 11 種經典的數據抽取（數據降維）算法，包括：PCA、LDA、MDS、LLE、TSNE 等，並附有相關資料、展示效果；非常適合機器學習初學者和剛剛入坑數據挖掘的小夥伴。為什麼要進行數據降維？
  • 哈工大碩士生用 Python 實現了 11 種經典數據降維算法,原始碼庫已...
    這裡有個 GitHub 項目整理了使用 Python 實現了 11 種經典的數據抽取（數據降維）算法，包括：PCA、LDA、MDS、LLE、TSNE 等，並附有相關資料、展示效果；非常適合機器學習初學者和剛剛入坑數據挖掘的小夥伴。
  • 常用的相似性度量算法(原理,實現,優缺點,適用場景...
    內容導讀對相似性算法的了解起源於最近在做 使用協同過濾原理 的推薦系統中， 基於鄰域的推薦算法 （User-Based CF和 和 Item-Based CF）需要估算不同樣本之間的 相似性度量(Similarity Measurement) ，這也是機器學習中在做 分類 的時候的一個常見場景。
  • 雲立方網科普:常用高效的Python爬蟲框架有哪些?
    Python是現在非常流行的程式語言，而爬蟲則是Python語言中最典型的應用，下面是總結的高效Python爬蟲框架，大家看看是否都用過呢。 Scrapy是一個為了爬取網站數據，提取結構性數據而編寫的應用框架，可以應用在包括數據挖掘，信息處理或存儲歷史數據等一系列的程序中
  • 常用數據無損壓縮算法分析
    而有損壓縮是重構使用壓縮後的數據，其重構數據與原來數據有所不同，但不影響原始資料表達信息，而壓縮率則要大得多。有損壓縮廣泛應用於語音、圖像和視頻的數據壓縮。常用的有損壓縮算法有PCM(脈衝編碼調製)、預測編碼、變換編碼(離散餘弦變換、小波變換等)、插值和外推(空域亞採樣、時域亞採樣、自適應)等。新一代的數據壓縮算法大多採用有損壓縮，例如矢量量化、子帶編碼、基於模型的壓縮、分形壓縮和小波壓縮等。
  • 學習筆記,從NumPy到Scrapy,學習Python不能錯過這些庫
    在網絡上看到幾位前輩寫了關於python深度學習庫的文章，對於小小白來說，因為我剛開始學python，我得承認自己看完後依然覺得雲裡霧裡的，不知道這些庫到底對我有什麼用處。所以我到網絡上搜集補充關於這些庫的說明內容，感覺在這個整理資料的過程中，對於這些python程序庫了解了更多，以下是我整理的學習筆記。
  • 深入淺出:如何從0開始學習大數據挖掘分析?
    很多人認為數據挖掘需要掌握複雜高深的算法，需要掌握技術開發，才能把數據挖掘分析做好，實際上並非這樣。如果鑽入複雜算法和技術開發，只能讓你走火入魔，越走越費勁，並且效果不大。在公司實際工作中，最好的大數據挖掘工程師一定是最熟悉和理解業務的人。對於大數據挖掘的學習心得，作者認為學習數據挖掘一定要結合實際業務背景、案例背景來學習，這樣才是以解決問題為導向的學習方法。
  • 什麼叫數據挖掘_數據挖掘技術解析
    數據挖掘（data mining）是指從大量的資料中自動搜索隱藏於其中的有著特殊關聯性的信息的過程。在全世界的計算機存儲中，存在未使用的海量數據並且它們還在快速增長，這些數據就像待挖掘的金礦，而進行數據分析的科學家、工程師、分析員的數量變化一直相對較小，這種差距稱為數據挖掘產生的主要原因。
  • 數據產品經理之數據分析與挖掘
    前面兩篇文章介紹了數據產品經理日常工作中必備的知識之常用的圖表設計（數據產品經理之圖表設計）和SQL語言（數據產品經理必備之SQL基礎 ），本篇文章講一講怎麼樣通過數據分析與挖掘從數據中獲取信息和發掘價值。