從無到有，陸陸續續一個數據挖掘入門系列的教程就寫了18篇博客了，這個是我沒有想到的，本來以爲可能寫10篇博客就結束了，但是寫着寫着寫着寫着就寫了這麼多：
- 數據挖掘入門系列教程（一）之親和性分析
- 數據挖掘入門系列教程（二）之分類問題OneR算法
- 數據挖掘入門系列教程（三）之scikit-learn框架基本使用（以K近鄰算法爲例）
- 數據挖掘入門系列教程（四）之基於scikit-lean實現決策樹
- 數據挖掘入門系列教程（五）之Apriori算法Python實現
- 數據挖掘入門系列教程（六）之數據集特徵選擇
- 數據挖掘入門系列教程（七）之樸素貝葉斯進行文本分類
- 數據挖掘入門系列教程（八）之使用神經網絡（基於pybrain）識別數字手寫集MNIST
- 數據挖掘入門系列教程（九）之基於sklearn的SVM使用
- 數據挖掘入門系列教程（十）之k-means算法
- 數據挖掘入門系列教程（十一）之keras入門使用以及構建DNN網絡識別MNIST
- 數據挖掘入門系列教程（十二）之使用keras構建CNN網絡識別CIFAR10
總的來說，這個系列的博客寫的不是很滿意，因爲不知爲何自己就把側重點放到到機器學習上面去了，使得這個系列的博客越來越像機器學習的入門博客┑(￣Д ￣)┍，對數據具體如何處理反而沒有做什麼介紹。但是，這個也不能怪我，實在是《Python數據挖掘入門與實踐》 這本書到後面就開始介紹神經網絡了，然後呢我又對其進行了補充（補充了CNN的內容以及介紹）。同時書中的“圖”和“mapreduce”的內容沒有做介紹！！！emm，我嫌麻煩就懶得弄了。
是新手的我，剛開始以爲數據挖掘和機器學習很難，但是機緣巧合的接觸到了《Python數據挖掘入門與實踐》這本書，在書中，剛開始以一個很簡單的算法：數據挖掘入門系列教程（一）之親和性分析 讓我頓時覺得，哇！怎麼這麼簡單。儘管這本書很老了，但是卻讓我以一種無腦的方式開始了我的學習之旅。但是到後面就有一點坑（比如說使用SVM，但是卻不告訴我SVM是什麼🤮）。
儘管這個教程目前來說我不是很滿意，但是同時系列也不會再進行更新（糾錯除外）。想了想，儘管這個教程作爲一個數據挖掘的教程明顯是不合格的，但是對於入門教程來說，自我感覺還是🆗的，因爲對於入門的我們來說，並不需要去深入去了解數據挖掘及其算法，它只需要告訴我們：
而只有當我們提起興趣之後，我們才能夠更好的進行學習。因此看完這教程的時候，就更應該繼續看書了，更加深入的去了解數據挖掘。
長路漫漫唯鍵盤作伴，數據挖掘沒有這麼簡單，但是當我們對其產生興趣的時候，也許它也就變得簡單了。我們尋找一個個數據背後所蘊含的規律，跟隨前人的步伐甚至突破，最後得到滿意的結果時，看着自己掉落的頭髮，emm好像也值得了？？
項目地址：Github
Talk is cheap, show me the code.
如果有任何問題，歡迎私信或mail。