说明：本算法是apriori算法，用于数据的关联分析。

说明：datawhale社群做的开源学习资料，仅供参考和学习，比较入门实用

说明：完整的数据挖掘常用算法的代码实现，各种技巧和示例，值得学习

说明：C#数据挖掘算法 data mining algorithm

说明：18大数据挖掘的经典算法以及代码实现，涉及到了决策分类，聚类，链接挖掘，关联挖掘，模式挖掘等等方面,后面都是相应算法的博文链接，希望能够帮助大家学。 目前追加了其他的一些经典的DM算法，在others的包中涉及聚类，分类，图算法，搜索算等等，没有具体分类。

说明：已经对数据进行关联分析，数据之间建立关联，方便分析

说明：已经进行简单数据挖掘，提供完整建模内容 方便上手

说明：数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等

说明：基于聚类分析的商圈识别，附上完整版的代码和小论文

说明：讲述了数据挖掘的概念、方法、技术和最新研究进展，重点论述了数据预处理，频繁模式挖掘、分类和聚类等内容

说明：数据挖掘导论（完整版） 涵盖了五个主题：数据，分类，关联分析，聚类和异常检测

说明：萨利放好拉讲话阿里房间爱能计量哈，奥构建叫你噶解耦股。

说明：利用python进行数据挖掘，较好的利用python进行讲解数据挖掘的流程

说明：【数据文件】数据挖掘算法与clementine实践，其中的配套数据。

说明：半监督支持向量机通常直接估算标签未标记实例的分配。 这个即使有最新进展，效率通常也很低在（受监督的）有效培训中支持向量机 在本文中，我们展示了了解以下类别标签的方法未标记的数据与在所有已知标签上受监督的未标记的数据。

说明：通过引入增广信息进行学习。增广信息包括传统静态学习中未考虑的额外信息以及动态学习过程中出现的新信息。

说明：根据历史时间序列，利用集成学习的方法，预测未来某一时刻的值

说明：讲解数据挖掘中用到的基本算法，描述了算法的数学原理，以及实际应用

说明：总的来说，随着云时代的来临，大数据技术将具有越来越重要的战略意义。大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素，人们对于海量数据的运用预

说明：数据挖掘方法论及案例介绍 数据挖掘是BI领域的一个重要应用方向 BI指通过对行业的讣知、经验，结合数学理论、管理理论、市场营销理论，利用工具软件、数学算法（如：神经网络、遗传算法、聚类、客户绅分等）对企业的数据、业务、市场迚行分析及预测，以图表、数据分析报告的形式支撑企业决策、市场营销、业务拓展、信息运营等工作。

说明：Python数据分析与挖掘实战 pdf版本

说明：MATLAB数据分析与挖掘实战完整版2015

说明：本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。

说明：1.在BG中加载数据_功能.csv，和背景_对象.csv分成两个独立的数据帧。请注意，这两个文件都有一个标题行，其中列出了变量名。 2.将5个特征数据集明智地组合成一个数据集行，将5个对象数据集明智地组合成一个数据集行。 3.去除共线性 4.使用最小-最大规格化对剩余特征数据集中的每个列进行规范化。请不要规范化对象数据集。 5.随机抽取80%的特征数据集保存在训练数据集中，剩余的20%保存在测试数据集中。以相同的方式拆分对象数据集。 6.利用训练数据集训练kNN模型。设置k等于训练数据集大小的平方根。 7.使用kNN模型预测测试数据集的目标特征。

说明：用于分析人工智能对样本进行分类，并且可用于数据挖掘分析

说明：knn聚类算法在泰坦尼克数据集上的应用。

说明：记录了FP的代码，可直接运行,有两个代码，都是，自己选择运行哪个

说明：特征抽取，特征选择，创建特征，创建自定义转换器

说明：利用亲和性分析作个性化的推荐，数据格式的稀疏化，以及实现Apriori算法和抽取关联规则