python数据挖掘需要学的内容

Python  /  管理员 发布于 7年前   170

1、Pandas库的操作

Panda是数据分析特别重要的一个库，我们要掌握以下三点：

・ pandas 分组计算;

・ pandas 索引与多重索引;

索引比较难，但是却是非常重要的

・ pandas 多表操作与数据透视表

2、numpy数值计算

numpy数据计算主要应用是在数据挖掘，对于以后的机器学习，深度学习，这也是一个必须掌握的库，我们要掌握以下内容：

・ Numpy array理解；

・ 数组索引操作；

・ 数组计算；

・ Broadcasting(线性代数里面的知识)

3、数据可视化-matplotlib与seaborn

・ Matplotib语法

python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像，要搞清楚二者的关系是什么，这样学习起来才会比较轻松。

・ seaborn的使用

seaborn是一个非常漂亮的可视化工具。

・ pandas绘图功能

前面说过pandas是做数据分析的，但它也提供了一些绘图的API。

4、数据挖掘入门

这部分是最难也是最有意思的一部分，要掌握以下几个部分：

・ 机器学习的定义

在这里跟数据挖掘先不做区别

・ 代价函数的定义

・ Train/Test/Validate

・ Overfitting的定义与避免方法

5、数据挖掘算法

数据挖掘发展到现在，算法已经非常多，下面只需掌握最简单的，最核心的，最常用的算法：

・ 最小二乘算法；

・ 梯度下降；

・ 向量化；

・ 极大似然估计；

・ Logistic Regression；

・ Decision Tree；

・ RandomForesr；

・ XGBoost；

6、数据挖掘实战

通过机器学习里面最着名的库scikit-learn来进行模型的理解。