目录
第一部分 数据挖掘与机器学习数学基础.............................................................................................. 3
第一章 机器学习的统计基础 .......................................................................................................... 3
第二章 探索性数据分析（EDA） ............................................................................................. 11
第二部分 机器学习概述........................................................................................................................ 14
第三章 机器学习概述.................................................................................................................... 14
第三部分 监督学习---分类与回归...................................................................................................... 16
第四章 KNN（k 最邻近分类算法） ............................................................................................ 16
第五章 决策树................................................................................................................................ 19
第六章 朴素贝叶斯分类................................................................................................................ 29
第七章 Logistic 回归 ................................................................................................................... 32
第八章 SVM 支持向量机 .............................................................................................................. 42
第九章 集成学习(Esemble Learning) ............................................................................................ 43
第十一章 模型评估........................................................................................................................ 46
第四部分 非监督学习---聚类与关联分析.......................................................................................... 50
第十二章 Kmeans 聚类分析 ......................................................................................................... 50
第十三章 关联分析 Apriori ........................................................................................................... 52
第十四章 数据预处理之数据降维................................................................................................ 54
第五部分 Python 数据预处理 ............................................................................................................... 57
第十五章 Python 数据分析基础 ................................................................................................... 57
第十六章 Python 进行数据清洗 ................................................................................................... 77
第六部分 数据结构与算法.................................................................................................................... 82
一、二叉树（前、中、后遍历）.................................................................................................. 82
二、几种基本排序方法.................................................................................................................. 82
第七部分 SQL 知识 ............................................................................................................................. 86
第八部分 数据挖掘案例分析................................................................................................................ 87
案例一 A Journey through Titanic 597c770e ............................................................................... 87
案例二 Analysis for airplane-crashes-since-1908 .......................................................................... 94
案例三 贷款预测问题.................................................................................................................... 98
案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证 ........................................................ 107
