基于Python語言的數據挖掘

基于Python語言的數據挖掘課程/講師盡在基于Python語言的數據挖掘專題,基于Python語言的數據挖掘公開課北上廣深等地每月開課！基于Python語言的數據挖掘在線直播課程（免費試聽）。專家微信18749492090，講師手機13522550408，百度搜索“交廣國際管理咨詢”了解更多。

課程綱要：

第一章 Python基礎入門

1、初識Python

1.1 Python簡介

1.2 搭建Python環境

1.3 **個Python程序

2、Python基本元素

2.1 變量

2.2 數字

2.3 字符串

2.4 數據類型

2.4.1 整型

2.4.2 浮點型

2.4.3 布爾型

2.4.4 類型轉換

2.5 操作符

2.5.1算術操作符

2.5.2比較操作符

2.5.3邏輯操作符

2.5.4操作符優先級

3、Python容器

3.1 列表

3.1.1 創建列表

3.1.2 添加元素

3.1.3 獲取列表中的元素

3.1.4 刪除列表中的元素

3.1.5 列表分片

3.2 元組

3.2.1 元組的特點

3.2.2 創建元組

3.2.3 訪問元組

3.2.4 更新元組

3.2.5 刪除元組

3.3 字典

3.3.1 字典的特點

3.3.2 創建字典

3.3.3 更新字典

3.3.4 訪問字典

3.3.5 刪除字典

3.4 集合

3.4.1 集合的特點

3.4.2 創建集合

3.4.3 訪問集合

4、Python代碼結構

4.1 注釋

4.2 作用域

4.3 條件語句

4.4 循環語句

4.4.1 while循環語句

4.4.2 for循環語句

4.4.3 break語句

4.4.4 continue語句

4.5 函數

4.5.1 為什么要用函數

4.5.2 函數的創建和調用

4.5.3 函數的參數（形參，實參）

4.5.4 函數的返回值

4.5.5 匿名函數：lambda表達式

4.5.6 遞歸

4.6 異常

4.6.1 異常的概念

4.6.2 try…except語句

4.6.3 try…except…finally語句

4.6.4 raise語句

4.6.5 with語句

4.7 模塊，包，程序

4.7.1 模塊的概念

4.7.2 import導入模塊

4.7.3 __name__ = ‘__main__’語句

4.7.4 包的概念

4.8 類和對象

4.8.1 類和對象的概念

4.8.2 對象=屬性 方法

4.8.3 class, self關鍵字

4.8.4 繼承

5、小試牛刀

5.1 編寫一個簡單的程序

5.1.1 讀取一個數據文件

5.1.2 找出其中的**大和**小值
第二章 Python數據分析入門

1、數據統計分析簡介

1.1 數據統計分析的意義

1.2 數據的常見關鍵特征

2、Python數據分析相關庫入門

2.1 NumPy簡介

2.2 pandas簡介

2.3 pandas的數據類型

2.3.1 Series數據類型

2.3.2 DataFrame數據類型

2.4 pandas對數據的常見操作

2.4.1 數據統計

2.4.2 索引數據

2.4.3 數據排序

2.5 可視化利器matplotlib簡介

3、數據預處理

3.1 數據預處理的意義

3.2 數據預處理的常見方法

3.2.1去除奇異值

3.2.2去除重復值

3.2.3歸一化

3.2.4數據清洗

3.2.5數據轉換

3.3 利用pandas進行數據預處理

4、Python數據分析的綜合應用案例-飯店營業額數據分析

4.1 數據模擬生成

4.2 預處理：刪除缺失值

4.3 使用matplotlib繪制飯店每天的營業額情況折線圖

4.4 按月份進行統計，使用matplotlib繪制柱狀圖顯示每個月份的營業額

4.5 按季度統計該飯店2018年的營業額數據，使用matplotlib生成餅狀圖顯示2018年4個季度的營業額分布情況
三、數據挖掘算法及其在Python中的應用（上）

1、大數據與數據挖掘入門

1.1大數據的定義

1.2大數據的“4V”特征

1.2.1 體量大

1.2.2 處理速度快

1.2.3 種類多

1.2.4 價值密度低

1.3數據挖掘流程與數據挖掘“金字塔模型”

1.3.1 數據挖掘“金字塔模型”

1.3.2 數據挖掘的流程

1.3.3 描述性數據挖掘

1.3.4 預測性數據挖掘

2、數據挖掘算法介紹

2.1 分類

2.1.1 分類分析的定義與目標

2.1.2分類分析的評價標準

2.1.3 分類分析的經典算法舉例：支持向量機（SVM），人工神經網絡，決策樹分類，基于規則分類，**近鄰分類，樸素貝葉斯分類器。

2.2 聚類

2.2.1 聚類分析的定義與目標

2.2.2聚類分析的評價標準

2.2.3 聚類分析的經典算法舉例：k-means，層次聚類，SOM聚類方法，FCM聚類方法。

2.3回歸

2.3.1回歸分析的定義與目標

2.3.2回歸分析的評價標準

2.3.3回歸分析的經典算法舉例：線性回歸，邏輯回歸，多項式回歸，逐步回歸，嶺回歸。

2.4 關聯

2.4.1關聯分析的定義與目標

2.4.2關聯分析的評價標準

2.4.3關聯分析的經典算法

3、數據挖掘中的分類算法——決策樹

3.1 決策樹的原理

3.2 決策樹在運營商智慧運營中的應用

3.3 C4.5決策樹算法理論

3.4 C4.5算法在Python中的實操

3.5 CRT決策樹算法理論

3.6 CRT決策樹算法在Python中的實操

3.7 決策樹算法在Python中的比較以及綜合應用案例

4、數據挖掘中的分類算法——kNN

4.1 kNN算法的原理

4.2 kNN算法的復雜度分析

4.3 kNN算法在Python中的實操

4.4 多種分類算法在Python中的綜合應用案例

5、數據挖掘中的聚類算法——K-means

5.1 K-means算法的原理

5.2 K-means在Python中的綜合應用案例

5.3 其他聚類算法展示

6、實操案例——用決策樹算法進行客戶流失預警
四、數據挖掘算法及其在Python中的應用（下）

1、數據挖掘中的回歸算法——多元線性回歸

1.1 回歸分析的步驟

1.2 回歸分析的適用場景

1.3 多元線性回歸的算法原理

1.4 多元線性回歸算法在Python中的綜合應用案例

2、數據挖掘中的回歸算法——關聯分析

2.1 關聯分析的原理

2.2 關聯分析的適用場景

2.3 關聯分析在數據挖掘中的經典案例舉例：購物籃數據分析

4、數據挖掘算法的評價標準

4.1 ROC曲線

4.1.2 ROC曲線的原理

4.1.3 ROC曲線的構建方法

4.1.4 ROC曲線在Python中的實現

4.2 AUC

4.2.1 AUC值的原理及意義

4.2.2 AUC值在Python中的實現

4.2.3 使用AUC評價并比較多種分類算法

5、基于Python的數據挖掘建模實操案例

5.1 案例背景與意義介紹

5.2 在Python中進行數據采集

5.3 在Python中進行數據預處理

5.4 在Python中使用多種算法進行分析

5.5 在Python中進行算法評價

5.6 模型比較與算法選型

5.7 在Python中進行模型的落地應用

五、 Python與網絡爬蟲

1、網絡爬蟲簡介

1.1　網絡爬蟲何時有用

1.2　網絡爬蟲是否合法

1.3　背景調研

1.3.1　檢查robots.txt

1.3.2　檢查網站地圖

1.3.3　估算網站大小

1.3.4　識別網站所用技術

1.3.5　尋找網站所有者

1.4　編寫**個網絡爬蟲

1.4.1　下載網頁

1.4.2　網站地圖爬蟲

1.4.3　ID遍歷爬蟲

1.4.4　鏈接爬蟲

2、數據抓取

2.1　分析網頁

2.2　三種網頁抓取方法

2.2.1　正則表達式

2.2.2　Beautiful Soup

2.2.3　Lxml

2.2.4　性能對比

2.2.6　為鏈接爬蟲添加抓取回調

3、實戰演練：抓取互聯網數據