《数据挖掘与机器学习》 课件 1.1.1 初识机器学习与数据挖掘、Python、Anaconda.pptxVIP

8南宁职业技术学院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

安装Python

搭建数据挖掘与机器学习的编程环境

Python拥有NumPy、pandas、Matplotlib和scikit-learn等功能齐全、接口统一的库，能为数据挖

掘与机器学习工作提供极大的便利。

库的管理和版本问题，使得开发人员并不能够专注于研究，而是将大量的时间花费在与环境配置相关的问题上。基于上述原因，Anaconda发行版应运而生。

搭建数据挖掘与机器学习的编程环境

任务描述

任务要求

安装Anaconda。

体验JupyterNotebook的基本功能。

搭建数据挖掘与机器学习的编程环境

在体验Python的强

大功能之前让我们

先来了解一下机器

学习吧!

Part1相关知识

·初识数据挖掘与机器学习·初识Python

·了解Python的Anaconda发行版

搭建数据挖掘与机器学习的编程环境

数据挖掘(DataMining,DM)是从大量

的、不完全的、有噪声的、模糊的、随机

的数据集中识别有效的、新颖的、潜在有

用的信息的过程。

机器学习(MachineLearning,ML)是一门多学科交叉专业，使用计算机作为工

具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。

初识数据挖掘与机器学习

数据挖掘与机器学习的概念

数据挖掘

机器学习

知识发现

模式识别

人工智能

统计学

数据库

行业应用

零售业

智能化仓储、自动化物流、智能客服等

交通运输

智能交通管理、自动驾驶技术、智能公共交通等

电力行业

智能电网、能源管理、设备监控等

社交网络

智能化推荐、情感分析、社交媒体管理、垃圾邮件过滤等

娱乐

智能游戏、虚拟现实、智能化演出等

数据挖掘与机器学习的应用场景

数据挖掘与机器学习在许多领域都有应用，包括在农业、金融、制造业、医疗、教育、零售业、交通、建筑等领域。

搭建数据挖掘与机器学习的编程环境

初识数据挖掘与机器学习

数据挖掘与机器学习的应用场景

初识数据挖掘与机器学习

需求分析

业务部门

财务部门

生产部门

雪求

数据获

网络

历史

实时

模型评价是指对于已经建立的一个或多个模型，根据其模型的类别，使用不同的指标评价模型性能优劣的过程。

常用的回归模型评价指标有平均绝对误差、均方误差、可解释方差值等。

常用的分类模型评价指标有准确率

(Accuracy)、精确率(Precision)、召回率(Recall)、ROC等。

常用的聚类模型评价指标有ARI评价法

(兰德系数)、AMI评价法(互信息)、FMI评价法和轮廓系数等。

模型评价与优化

回归模型评价

分类模型评价

聚类模型评价

等模型，发现数据中,并得出结论的过程。

方法按照目标不同可以分为分析目标是量化未来一段时发生概率的，那么可以使用模型，即回归预测模型和分

是描述客户行为模式的，那述型数据分析方法，同时还模型等。

搭建数据挖掘与机器学习的编程环境

分析与建模是指通过可视化分析、回归分析等分析方法，以及聚类模

初识数据挖掘与机器学习

数据挖掘与机器学习的通用流程

搭建数据挖掘与机器学

初识Python习的编程环境

Python概念

Python是面向对象、解释型计算机程序设计语言，具有高效的高级数据结构、简单高效的面向对象编程方式。无论对于初学者，还是对于在科学计算领域具备一定经验的工作者，它都极具吸引力。

NumPy

SciPy

Python

Matplotlib

scikit-learn

为Python提供快速数组处理、数值运算、绘图

包含分类器实现、聚类算法

Python在数据挖掘和机器学习领域的优势包括开源工具和库、易学易用、丰富的机器学习算法、灵活性以

及庞大的社区支持。这些优势使得Python成为了数据科学领域中最受欢迎的编程语言之一。

搭建数据挖掘与机器学习的编程环境

Py