該文檔總結了常用的數據挖掘的算法原理以及Python實踐內容，為初學者提供良好的參考資料，需要的朋友可看看！

第一部分 數據挖掘與機器學習數學基礎3
第一章 機器學習的統(tǒng)計基礎3
第二章 探索性數據分析（EDA） .11
第二部分 機器學習概述14
第三章 機器學習概述14
第三部分 監(jiān)督學習---分類與回歸16
第四章 KNN（k 最鄰近分類算法） 16
第五章 決策樹19
第六章 樸素貝葉斯分類29
第七章 Logistic 回歸 .32
第八章 SVM 支持向量機42
第九章 集成學習(Esemble Learning)43
第十一章 模型評估46
第四部分 非監(jiān)督學習---聚類與關聯分析50
第十二章 Kmeans 聚類分析 .50
第十三章 關聯分析 Apriori.52
第十四章 數據預處理之數據降維54
第五部分 Python 數據預處理 .57
第十五章 Python 數據分析基礎 .57
第十六章 Python 進行數據清洗 .77
第六部分 數據結構與算法82
第七部分 SQL 知識.86
第八部分 數據挖掘案例分析87
案例一 A Journey through Titanic 597c770e .87
案例二 Analysis for airplane-crashes-since-190894
案例三 貸款預測問題98
案例四 KNN 算法實現葡萄酒價格模型預測及交叉驗證107