Python數(shù)據(jù)挖掘入門與實踐完整版【高清電子書】

#學習資料 ·2026-01-26 10:44:25

本書是寫給那些想把數(shù)據(jù)挖掘技術(shù)應用到實際項目中，卻不知道怎么開始的程序員。如果你沒有編程經(jīng)歷，我強烈建議你在學習本書之前，至少先了解一下編程的基礎知識。本書直接略過這部分內(nèi)容，也不會把過多精力放在代碼的具體實現(xiàn)上。也就是說，簡要學習一下編程基礎知識再來學習本書就行。本書不對你的編程技能做過高要求，所以你沒必要先成為編程高手！

本書主要內(nèi)容：

第1章開始數(shù)據(jù)挖掘之旅，介紹我們即將用到的技術(shù)，接著通過講解兩個基礎算法的實現(xiàn)方法達到熱身目的。

第2章用scikit-learn估計器分類，涵蓋了數(shù)據(jù)挖掘的一個重要主題——分類。這一章還會介紹將數(shù)據(jù)挖掘流程標準化的流水線結(jié)構(gòu)，便于你管理實驗流程。

第3章用決策樹預測獲勝球隊，介紹決策樹和隨機森林兩個新算法。我們將通過抽取區(qū)分度高的特征來預測獲勝選手。

第4章用親和性分析方法推薦電影，思考根據(jù)以往消費記錄推薦產(chǎn)品的問題，介紹Apriori算法。

第5章用轉(zhuǎn)換器抽取特征，介紹不同類別特征的抽取方法及不同數(shù)據(jù)集的處理方法。

第6章使用樸素貝葉斯進行社會媒體挖掘，使用樸素貝葉斯算法自動分析來自社交網(wǎng)站Twitter的文本信息。

第7章用圖挖掘找到感興趣的人，采用聚類和網(wǎng)絡分析方法，發(fā)現(xiàn)社會媒體上感興趣的人。

第8章用神經(jīng)網(wǎng)絡破解驗證碼，從圖像中抽取信息，然后訓練神經(jīng)網(wǎng)絡，用來發(fā)現(xiàn)圖像中的單詞和字母。

第9章作者歸屬問題，通過抽取文本特征，使用支持向量機算法，找出文檔的作者。

第10章新聞語料分類，使用k-means聚類算法，根據(jù)新聞文章內(nèi)容進行分類。

第11章用深度學習方法為圖像中的物體進行分類，采用深度神經(jīng)網(wǎng)絡算法確定圖像中的物體。

第12章大數(shù)據(jù)處理，探討對大數(shù)據(jù)進行數(shù)據(jù)挖掘的流程及方法。附錄依次介紹各章的參考資料，便于讀者深入了解各章內(nèi)容。