本書適合有志于從事數(shù)據(jù)挖掘的初學者，需要的朋友可看看 第一部分 數(shù)據(jù)挖掘與機器學習數(shù)學基礎(chǔ)3 第一章 機器學習的統(tǒng)計基礎(chǔ)3 第二章 探索性數(shù)據(jù)分析（EDA） .11 第二部分 機器學習概述14 第三章 機器學習概述14 第三部分 監(jiān)督學習---分類與回歸16 第四章 KNN（k 最鄰近分類算法） 16 第五章 決策樹19 第六章 樸素貝葉斯分類29 第七章 Logistic 回歸 .32 第八章 SVM 支持向量機42 第九章 集成學習(Esemble Learning)43 第十一章 模型評估46 第四部分 非監(jiān)督學習---聚類與關(guān)聯(lián)分析50 第十二章 Kmeans 聚類分析 .50 第十三章 關(guān)聯(lián)分析 Apriori.52 第十四章 數(shù)據(jù)預處理之數(shù)據(jù)降維54 第五部分 Python 數(shù)據(jù)預處理 .57 第十五章 Python 數(shù)據(jù)分析基礎(chǔ) .57 第十六章 Python 進行數(shù)據(jù)清洗 .77 第六部分 數(shù)據(jù)結(jié)構(gòu)與算法82 第七部分 SQL 知識.86 第八部分 數(shù)據(jù)挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis for airplane-crashes-since-190894 案例三 貸款預測問題98 案例四 KNN 算法實現(xiàn)葡萄酒價格模型預測及交叉驗證107