Python數(shù)據(jù)分析與挖掘培訓(xùn)

Python訓(xùn)練

1.1Python基礎(chǔ)知識(shí)
1.1.1 Python環(huán)境搭建、庫(kù)的安裝
1.1.2 Python數(shù)據(jù)類型及結(jié)構(gòu)
1.1.3 數(shù)據(jù)的導(dǎo)入導(dǎo)出
1.1.4 常用數(shù)據(jù)管理
1.1.5 控制流
1.2 Python函數(shù)
1.2.1 Python常見(jiàn)數(shù)據(jù)函數(shù)
1.2.2 函數(shù)自定義
1.3 Python數(shù)據(jù)挖掘常用模塊
1.3.1 Numpy
1.3.2 pandas
1.3.3 Python機(jī)器學(xué)習(xí)庫(kù)：Scikit－learn

數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘概論
2.1.1 什么是數(shù)據(jù)挖掘
2.1.2 數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)與人工智能
2.1.3 數(shù)據(jù)挖掘的基本過(guò)程
2.1.4 模型評(píng)估
2.2 數(shù)據(jù)挖掘算法及編程實(shí)現(xiàn)
2.2.1 回歸分析
2.2.2 決策樹(shù)
2.2.3 KNN
2.2.4 樸素貝葉斯
2.2.5 人工神經(jīng)網(wǎng)絡(luò)
2.2.6 K-means聚類分析
2.2.7 層次聚類
2.2.8 其他聚類算法

數(shù)據(jù)挖
掘案例

3.1 關(guān)聯(lián)規(guī)則
3.1.1 背景與挖掘目標(biāo)
3.1.2 分析方法與過(guò)程
3.1.3 上機(jī)實(shí)驗(yàn)
3.1.4 拓展思考
3.2 電商網(wǎng)站智能推薦
3.2.1 背景與挖掘目標(biāo)
3.2.2 分析方法與過(guò)程