該文檔總結(jié)了常用的數(shù)據(jù)挖掘的算法原理以及Python實(shí)踐內(nèi)容，為初學(xué)者提供良好的參考資料，需要的朋友可看看！

第一部分 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)3
第一章 機(jī)器學(xué)習(xí)的統(tǒng)計(jì)基礎(chǔ)3
第二章 探索性數(shù)據(jù)分析（EDA） .11
第二部分 機(jī)器學(xué)習(xí)概述14
第三章 機(jī)器學(xué)習(xí)概述14
第三部分 監(jiān)督學(xué)習(xí)---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(jī)42
第九章 集成學(xué)習(xí)(Esemble Learning)43
第十一章 模型評估46
第四部分 非監(jiān)督學(xué)習(xí)---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(yù)處理之?dāng)?shù)據(jù)降維54
第五部分 Python 數(shù)據(jù)預(yù)處理 .57
第十五章 Python 數(shù)據(jù)分析基礎(chǔ) .57
第十六章 Python 進(jìn)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(yù)測問題98
案例四 KNN 算法實(shí)現(xiàn)葡萄酒價格模型預(yù)測及交叉驗(yàn)證107