prefácio
Benpian mineração de dados Primer introduz os conceitos básicos de mineração de dados, ferramentas básicas e práticas, explicando passo a passo o algoritmo com você pé facilmente set em viagem de mineração de dados.
Benpian por meio de teoria e prática, mostrando como usar a árvore de decisão e algoritmos florestais aleatórios para prever os resultados do jogo National Basketball League, como usar afinidade método de análise de filmes, como Bayes ingênuo algoritmo usando mineração de mídia social recomendado e assim por diante.Benpian também se relaciona com o conteúdo da rede neural, a profundidade de aprendizagem, grandes de processamento de dados.
Benpian disposto a aprender e experimentar para programadores de mineração de dados.
release completo de recursos de análise de dados em Python, para dominar a era tecnologia de núcleo de big data, a facilidade de técnicas de entrada e de mineração de dados aplicada ao projeto real.
Os dados neste capítulo é dividido em 12 capítulos de conteúdo, porque o conteúdo é muito detalhe, então pequenas séries apenas a parte dos tiros do ponto de conhecimento fora da introdução áspero, cada seção tem um conteúdo mais detalhado.
Capítulo 1 começa data mining turnê, estamos prestes a introduzir a tecnologia utilizada, seguido por um warm-up para atingir o objectivo através da implementação de dois métodos para explicar a base do algoritmo.
Capítulo 2 com scikit-learn estimador de classificação, cobrindo mineração de dados - um tema importante em uma classificação. Este capítulo também descreve a estrutura gasoduto processo de normalização de mineração de dados, fácil de gerir o seu processo de experimento.
Capítulo 3 prever a equipe vencedora com árvores de decisão, árvores de decisão e introduzir dois novos algoritmos florestais aleatória. Vamos prever o jogador vencedor, extraindo características de alta distinção.
Capítulo 4 filme recomendado com afinidade análise, pensar em termos de problemas nos registros de gastos últimos produtos recomendados introduzido algoritmo Apriori.
Capítulo 5, caracterizado por extracção conversor, descreve diferentes tipos de métodos de extracção de características e tratamento de diferentes conjuntos de dados.
Capítulo 6 Usando Naive Bayes mineração de mídia social, Naive Bayes algoritmo analisa automaticamente as informações de texto a partir do site de rede social Twitter.
Capítulo 7 desenho escavação pessoas acham interessante, usando a análise de cluster e de rede, descobriu que as pessoas interessadas em mídias sociais.
Capítulo 8 decifrar o código usando redes neurais para extrair informações a partir da imagem e, em seguida, treinar a rede neural para descobrir a imagem de palavras e letras.
Capítulo 9 da propriedade, extraindo funcionalidade de texto, algoritmo de máquinas de vetores de suporte.
Capítulo 10 de classificação de notícias corpus, utilizando os k-means algoritmo, são classificadas de acordo com o conteúdo do artigo de notícias.
Capítulo 11 é classificada em um método de aprender a profundidade da imagem do objeto usando um algoritmo de rede neural para determinar a profundidade da imagem do objeto.
Capítulo 12 processamento de dados grande, processos de mineração de dados e métodos para explorar as grandes dados.
Devido a restrições de espaço, de modo que pequenas séries não apresentá-lo, as necessidades do [Python] e prática de entrada de mineração de dados sócio minoritário documentação técnica, você pode encaminhar a série preocupação pequena, pequena série de cartas particulares a "aprender" para obter maneira de obter amigos ~ ~ ~ ~
Na era de dados grande de rápida expansão da escala dos dados, a tecnologia de núcleo de mineração de dados a exibição de dados importantes está desempenhando um papel cada vez mais importante. Ele lhe dará resolver problemas práticos "super poderes": prever resultados desportivos, precisas e publicidade, para resolver o problema da atribuição de acordo com o estilo de trabalho, e assim por diante.
simples Benpian de aprender e usar bibliotecas de terceiros com rica e boa atmosfera comunidade da linguagem Python, a abordagem progressiva para dados reais para o estudo, fazendo a introdução real para implementação de Python de mineração de dados para o leitor. Por manual cuidadosamente leitores estará entrando salão de mineração de dados, uma profunda compreensão dos princípios básicos de mineração de dados, mineração de dados mestre as melhores práticas para resolver problemas reais!
Entenda árvores de decisão, Naive Bayes, SVM e profundidade de aprendizagem
Use comum algoritmo modelo de dados para resolver problemas práticos
Usando a API para obter conjuntos de dados a partir de sites como o Reddit
A partir do conjunto de dados para identificar e características extrato
conjuntos uso de dados para projetar e desenvolver aplicações de mineração de dados
Com base em dados em tempo real, processamento de grandes volumes de dados
