一、数据挖掘介绍

  数据挖掘利用了来自如下一些领域的思想：
(1) 来自统计学的抽样、估计和假设检验，
(2)人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。特别地，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。

  数据挖掘是一个隐式提取以前未知的潜在有用的数据信息提取方式。它使用广泛，并且是众多应用的技术基础。

• 导入和可视化数据

• 数据分类

• 使用回归分析和相关测量法发现数据之间的关系

• 数据降维以压缩和可视化数据带来的信息

• 分析结构化数据

每个主题都会提供代码实例，它们基于Python数据分析和处理的类库：numpy，matplotlib，sklearn和networkx等

二、相关环境以及安装包

所有模块安装包地址

1、安装

安装方式一般有两种：
环境windows，打开cmd
1、网络安装
pip install numpy

2、下载安装
通过安装包安装
pip install C:\Users\Administrator\Desktop\所需\numpy-1.13.1+mkl-cp35-cp35m-win_amd64.whl

2、后续开发所使用的模块

（1）numpy模块

    numpy可以高效处理数据、提供数组支持、很多模块都依赖他，比如pandas、scipy、matplotlib都依赖他，所以这个模块是基础。
    numpy+mkl

（2）pandas模块

    pandas是后续中用得最多的一个模块，主要用于进行数据探索和数据分析。

（3）scipy模块

    scipy主要进行述职计算，同事支持矩阵运算、并提供了很多高等数据处理功能，比如积分，傅里叶变换、微分方程求解等。

（4） matplotlib

    作图模块，解决可视化问题

（5） statsmodels

    这个模块主要用于统计分析

（6） Gensim

    这个模块主要用于文本挖掘

（7） keras

    深度学习使用

注意：