目录
NLTK（natural language toolkit）
一、初识数据分析与挖掘
1.1 什么是数据分析与挖掘技术？
所谓数据分析，即对已知的数据进行分析，然后提取出一些有价值的信 息，比如统计出平均数、标准差等信息，数据分析的数据量有时可能不会太大，而数据挖掘，是指对大量的数据进行分析与挖掘，得到一些未知的，有价值的信息等，比如从网站的用户或用户行为数据中挖掘出用户的潜在需求信息，从而对网站进行改善等。数据分析与数据挖掘密不可分，数据挖掘是数据分析的提升。
1.2 数据分析与挖掘技术能做什么事情？
数据挖掘技术可以帮助我们更好的发现事物之间的规律。所以，我们可以利用数据挖掘技术实现数据规律的探索，比如发现窃电用户、发掘用户潜在需求（啤酒尿布）、实现信息的个性化推送、风险防控、发现疾病与症状甚至疾病与药物之间的规律……等。
1.3 数据挖掘的过程
应用建模的八步法：业务理解、指标设计、数据提取、数据探索、算法选择、模型评估、模型发布、模型优化
二、数据挖掘与Python模块功能介绍
2.1 基本模块
Numpy
Python没有提供数组，列表（List）可以完成数组，但不是真正的数据，当数据量增大时，它的速度很慢。所以Numpy扩展包提供了数组支持以及高效的 处理函数，同时很多高级扩展包依赖它。
Pandas
Pandas是面板数据（Panel Data）的简写。它是Python最强大的数据分析和探索工具，因金融数据分析工具而开发，支持类似SQL的数据增删改查，支持时间序列分析，灵活处理缺失数据，后面详细介绍。
Scipy
Scipy提供矩阵支持，以及矩阵相关的数值计算模块。如果说Numpy让Python有了Matlab的味道，那么Scipy就让Python真正地成为二半个Matlib。因为涉及到矩阵内容，而课程中主要使用数组，所以不再介绍。
scikit-learn
Scikit-Learn是一个基于python的用于数据挖掘和数据分析的简单且有效的工具，它的基本功能主要被分为六个部分：分类(Classification)、回归(Regression)、聚类(Clustering)、数据降维(Dimensionality Reduction)、模型选择(Model Selection)、数据预处理(Preprocessing)，前面写的很多文章算法都是出自该扩展包。
2.2 其他常用模块
Theano
用来定义、优化和模拟数学表达式计算，用于高效地解决多维数组的计算问题以及深度学、框架。
Keras
基于Theano的深度学习库，主要用于搭建人工神经网络、自编码器、卷积神经网络等深度学习模型。
Gensim
是一个python的自然语言处理库，能够将文档根据TF-IDF, LDA, LSI 等模型转化成向量模式，以便进行进一步的处理。此外，gensim还实现了word2vec功能，能够将单词转化为词向量，用于文本挖掘。
StatsModels
注重数据统计建模分析的数据处理模块，与Pandas结合，强大的数据挖掘组合。
NLTK（natural language toolkit）
Python自然语言处理模块，包括一系列的字符处理和语言统计模型。常用于学术研究和教学，应用领域有语言学、认知科学、人工智能、信息检索、机器学习等。
Mlpy
基于NumPy和SciPy的机器学习模块，CPython的拓展应用。
PyBrain
Python机器学习模块，用于处理神经网络、强化学习、无监督学习、进化算法。
Milk
Python机器学习工具箱，重点提高监督分类法与几种有效的分类分析：SVMs，kNN,随机森林和决策树等。
Pattern
Python的web挖掘模块，绑定了Google、Twitter、Wikipedia API，提供网络爬虫、HTML解析功能，文本分析包括浅层规则解析、WordNet接口、句法与语义分析、TF-IDF、LSA等，还提供聚类、分类和图网络可视化的功能。
Orange
基于组件的数据挖掘和机器学习软件套装，它功能友好强大，拥有快速而多功能的可视化编程前端，以便浏览数据分析和可视化，且绑定了Python已进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据账目、过渡、建模、模式评估和勘探的功能。
MXNet
深度学习最新框架，性能和速度超越Theano。
XGBoost
是一个速度快、效果好的boosting模型，被封装成了Python模块。该模块能够自动利用CPU的多线程进行并行，同时提高了算法的精度。
...
三、选择模块安装与技巧
模块安装的顺序与方式建议如下：
1、numpy+mkl（下载安装） 下载地址：https://pan.baidu.com/s/1XJek5BKyOvRQjzrbeFQa3w
2、pandas（网络安装）
3、matplotlib（网络安装）
4、scipy（下载安装） 下载地址：https://pan.baidu.com/s/1vxaPw3JVjQvY0aRe5jzhcg
5、statsmodels（网络安装）
6、Gensim（网络安装）
下载安装步骤
①下载百度云盘对应的模块，模块的版本和python、操作系统对应（amd64对应64位系统，cp35对应python3.5）
②win+r进入运行命令框，对话框内输入：cmd 进入DOS系统，进入下载文件夹路径输入：pip install ***(模块全名+格式)
网络安装步骤
cmd模式下输入：pip install pandas
提示：successful 则安装成功。
四、python安装及环境变量设置（pip安装）
pip是依赖python的，首先检查下windows机器上有没有安装python,或者有没有添加到环境变量中，如果都没有需要安装或者加入环境变量（python3.5下载地址：https://pan.baidu.com/s/1UNaVrrDWJ-S8uVtBPS1OSw）
4.1 配置环境变量
右键我的电脑 -> 属性 -> 高级系统设置 -> 环境变量 -> 编辑PATH -> Python安装路径 -> 点击确定
（或者在python安装的时候勾选自动设置变量）
注意：Path 路径有的可能要在最后加上分号 ；
不知道python安装路径情况（红框就是安装路径）
4.2 PIP下载安装
1、先下载 pip 下载地址是：https://pan.baidu.com/s/1TROnH9jEhvbf_n7TnLORSA
2、选择 ：pip-18.0.tar文件进行下载（2018/09/16）
3、下载完成之后，解压到一个文件夹，用CMD控制台进入解压目录，输入：python setup.py install （环境变量没配置好无法调用python命令，推荐一款CMD增强版软件powercmd，下载地址：https://pan.baidu.com/s/1JWACrS9lRqFLFPHbkyD7-w）
4、设置pip环境变量：C:\Users\****\AppData\Local\Programs\Python\Python36\Scripts
5、cmd中输入pip 检验是否安装成功