《python数据挖掘》和《python数据挖掘入门与实践》两本书读后感

　　这些天花了很多时间来学习数据挖掘这门课程，有很多心得和感悟，所以写下这篇博客来表达自己读完这两本书的感受！
　　首先推荐大家通过这两本书来入门数据挖掘这个领域，python数据挖掘这本书较容易，还花了很大的篇幅来讲python基础，而python数据挖掘入门与实践则直接从实例讲起，需要读者有一定的python基础。
　　数据挖掘主要是通过python或者Ｒ语言来实现的，因为这两门语言有它们独特的优势，比如包含大量的函数式编程接口，高效的模块等等，这些都使它们非常适合用来进行数据挖掘和数据分析。所以都要求编程者要有这方面的知识体系。但是，说到底语言只是一个工具，真正要在一门领域取得建树，还是要靠编程者的思维能力和实践能力，比如算法水平和编码或者debug（项目）能力。不过，对python这个强大工具有很深入的了解，会对数据挖掘的学习有事半功倍的效果。
　　推荐使用anaconda作为python的编译库，里面包括了大量的实用模块，比如numpy(科学计算，如矩阵，二维数组，与表格最为相似的数据结构),pandas(数据分析，如数据框（虚拟内存数据库），系列),Scipy(科学计算，向量化思想，包括符号计算和函数向量化),scikit-learn(用于机器学习，数据挖掘，数据分析，六大功能：分类，回归，聚类，降维，模型选择，预处理),Matplotlib,Bokeh(数据分析及可视化)等等。这些都有助于进行数据挖掘和数据分析。
　　数据挖掘和数据分析等领域包含了大量的算法，比如K-Means,DBSCAN,Apriori,kNN,朴素贝叶斯，BP神经网络,CART，决策树等算法，这对编程者的算法能力和思维能力产生了极大的挑战。只有掌握了这些算法，才能更好地，更高效地，更快速地实现目标。如果有ACM经验的话，学起来应该会更加快速和适应。这些算法，我觉得结合实际例子来学习可能更加容易理解，比如用决策树来预测获胜球队，使用朴素贝叶斯进行社会媒体挖掘，用神经网络破解验证码，用深度学习方法为图像中的物体进行分类。结合实例的话，可以更好地去学习,理解和实践。
　　最后给大家推荐后续的学习路线，可以去kaggle上参加数据挖掘比赛，或者参考学习别人的优秀项目。还可以去coursera上面学习数据挖掘的相关课程，进一步提高自己的能力和拓展自己的视野。