江苏龙网

  1. 首页 > 生活 > >

怎样系统地学习数据分析与数据挖掘

我也是非科班出身，但是酷爱数据分析，数据挖掘，一路自学，分享本人经验！
我想答答你的题目的，但是还是回答你的问题：
首先，做数据分析数据挖掘，需要哪些知识储备？
数据分析：对过去数据的总结归纳，有基本统计学理论知识，掌握数据分析软件，以及数据库语言足矣！①理论知识方面你有统计学知识就够了，我大学学过《概率论与数理统计》感觉没忘能拿起来，够用。你可以买本类似的②分析软件方面，专业的SAS软件很多银行都用，还有SPSS，R。会其一就够了，也可以不会，因为Python来源，而且有机器学习库，随着人工智能发展快，而且近几年也随之火的一笔！③数据库语言MySql，Oracle增删查改，《Sql必知必会》这本书。以上，三块涉及的，初学，各选其一，因为语言多了，可能串，都想学最后可能都不精。
数据挖掘：利用获取数据，不光总结归纳回顾历史，而且要挖掘数据分析得到结果背后的原因，预测未来。机器学习知识是数据挖掘必须的。机器学习中，回归算法，分类算法，聚类算法，以高等数学，概率论，线性代数只是为理论支撑，比如极大似然，求导，偏导数，矩阵变换，贝叶斯…
这里，听到高数概率论线性代数不要怕，大学学过有点影响就可以，你可以在学习机器学习的时候，算法里面需要什么，再百度或者看书。
机器学习算法课，前面说过，基本就是2类（3类）：
有监督（回归算法，分类算法）
回归算法：线性回归，
分类算法：逻辑回归，KNN，决策树（随机森林），树模型提升算法—GBDT，XGBOOST，SVM（这里面有些算法可以用来处理回归问题）
无监督（聚类算法）：K_Means…密度聚类，谱聚类…
机器学习不用买课，B站有大量免费视频，推荐“斯坦福大学吴恩达机器学习课程”，还有其他的，自己看情况学。
其实，看完视频，就知道各种算法怎么回事了。然后就是用，Python，sklearn库
scikit-learn: machine learning in Python多找项目练手，在乐趣中感受机器学习，数据挖掘的魅力。
我也是入门没多久，刚上路，一起走吧！
下面分享一点关于Python数据分析，数据挖掘的实战案例，以及算法推导过程…找到乐趣，上路才轻松愉快：
干货来了，接好了，貌似连职业规划都有了……
python学习，看《利用python进行数据分析》，然后撸官方文档就好啦！
Pandas 用户指南目录 | Pandas 中文第一篇，关于pandas的
Pandas综合案例：超市营业额数据实战分析
网页链接 【怎样系统地学习数据分析与数据挖掘】 第二篇
网站的消费数据，进行数据探索，数据转换，分析复购率、回购率、用户分层、探究生命周期、计算留存等等，在现实中能解决实际问题。综合用于Python的相关知识，运用Pandas的常规数据操作：DataFrame相关操作，数据清洗、转换、数据探索、分组、整合、聚合，pandas画图等，还有apply()函数、applymap()函数、lambda表达式、pivot_table数据透视。
网页链接第三篇
kaggle上面的练手项目，泰坦尼克号
网页链接第四篇
本人接的一个小私活，100块^_^
网页链接因为，数据分析是对获取数据的总结，现在企业更想知道数据背后的价值以及提前预测，就涉及数据挖掘，当然，做数据挖掘，学习机器学习，深度学习各种前沿AI技术是必须的。
自己有写一写，数据挖掘实战案例，开了，干货来了：
Python数据挖掘实战：客户价值识别实现差异化管理
网页链接【Pythons数据挖掘实战案例】用户流失预测分析
网页链接此外，如何入门机器学习，本人打算将算法，从线性回归，到分类，到聚类…自己手写，并辅以通俗例子分享出来：
【机器学习算法原理推导】最小二乘法求解线性回归手写推导全过程详解
网页链接【机器学习算法原理推导】梯度下降法求解线性回归手写推导全过程详解


推荐阅读


上一篇：有会员体系的行业或商家，做微信会员卡的价值还大不大

下一篇：互联网金融（P2P）后台管理系统应该怎样设计