Python数据挖掘入门与实践

本书是《Learning Data Mining with Python》的中文译本，面向想用 Python 完成数据挖掘任务、却没有系统入门的读者。全书共 12 章，每章围绕一个具体案例展开：先用决策树和随机森林预测 NBA 比赛胜负，介绍分类与集成学习的基本流程；再用亲和性分析和 Apriori 算法实现电影推荐；随后讲特征抽取与转换器、朴素贝叶斯在社交媒体文本上的应用、用图挖掘查找值得关注的人、用神经网络破解验证码、用功能词和字符 N 元语法判断文档作者、用聚类给新闻文章分组，最后延伸到深度学习图像分类和大数据 MapReduce 处理。作者采用“先跑通例子、再解释原理”的写法，配合 scikit-learn、NumPy、pandas、NetworkX、Keras 等常用库，把数据清洗、特征工程、建模、评估、调优串成一条完整流程；每章末尾附小结，并给出可供继续练习的额外方向，帮助读者从模仿代码过渡到独立解决实际问题。