系列地址:https://www.cnblogs.com/xiaohuiduan/category/1661541.html
该教程为入门教程,为博主学习数据挖掘的学习路径步骤。教程为入门教程,从最简单的开始。使用的编程语言为Python3.8.1,使用JupyterNotebook作为开发环境(使不使用JupyterNotebook都没有关系)。
在学习本教程之前,你需要:
我也是刚学,如有任何问题,可以邮箱联系我:xiaohuiduan@smail.hunnu.edu.cn
本项目会涉及如下:
在项目中,一般每一部分只由一篇博客构成,但是如果比较难的话会分为两个部分,前一部分为python代码实现,后面一部分为介绍。
- 数据挖掘入门系列教程(一)之亲和性分析
- 数据挖掘入门系列教程(二)之分类问题OneR算法
- 数据挖掘入门系列教程(三)之scikit-learn框架基本使用(以K近邻算法为例)
- 数据挖掘入门系列教程(四)之基于scikit-lean实现决策树
- 数据挖掘入门系列教程(五)之Apriori算法Python实现
- 数据挖掘入门系列教程(六)之数据集特征选择
- 数据挖掘入门系列教程(七)之朴素贝叶斯进行文本分类
- 数据挖掘入门系列教程(八)之使用神经网络(基于pybrain)识别数字手写集MNIST
- 数据挖掘入门系列教程(九)之基于sklearn的SVM使用
- 数据挖掘入门系列教程(十)之k-means算法
- 数据挖掘入门系列教程(十一)之keras入门使用以及构建DNN网络识别MNIST
- 数据挖掘入门系列教程(十二)之使用keras构建CNN网络识别CIFAR10
- 数据挖掘入门系列教程(结束)
从无到有,陆陆续续一个数据挖掘入门系列的教程就写了18篇博客了,这个是我没有想到的,本来以为可能写10篇博客就结束了,但是写着写着写着写着就写了这么多。
总的来说,这个系列的博客写的不是很满意,因为不知为何自己就把侧重点放到到机器学习上面去了,使得这个系列的博客越来越像机器学习的入门博客┑( ̄Д ̄)┍,对数据具体如何处理反而没有做什么介绍。但是,这个也不能怪我,实在是《Python数据挖掘入门与实践》 这本书到后面就开始介绍神经网络了,然后呢我又对其进行了补充(补充了CNN的内容以及介绍)。同时书中的**"图"和"mapreduce"的内容没有做介绍!!!**emm,我嫌麻烦就懒得弄了。
是新手的我,刚开始以为数据挖掘和机器学习很难,但是机缘巧合的接触到了《Python数据挖掘入门与实践》这本书,在书中,刚开始以一个很简单的算法:数据挖掘入门系列教程(一)之亲和性分析 让我顿时觉得,哇!怎么这么简单。尽管这本书很老了,但是却让我以一种无脑的方式开始了我的学习之旅。但是到后面就有一点坑(比如说使用SVM,但是却不告诉我SVM是什么🤮)。
尽管这个教程目前来说我不是很满意,但是同时系列也不会再进行更新(纠错除外)。想了想,尽管这个教程作为一个数据挖掘的教程明显是不合格的,但是对于入门教程来说,自我感觉还是🆗的,因为对于入门的我们来说,并不需要去深入去了解数据挖掘及其算法,它只需要告诉我们:
而只有当我们提起兴趣之后,我们才能够更好的进行学习。因此看完这教程的时候,就更应该继续看书了,更加深入的去了解数据挖掘。
长路漫漫唯键盘作伴,数据挖掘没有这么简单,但是当我们对其产生兴趣的时候,也许它也就变得简单了。我们寻找一个个数据背后所蕴含的规律,跟随前人的步伐甚至突破,最后得到满意的结果时,看着自己掉落的头发,emm好像也值得了??
Talk is cheap, show me the code.
如果有任何问题,欢迎私信或mail。