DTU数据挖掘课程创建的在线Python项目

这是Coursera提供的一门关于数据挖掘的在线课程。

Turbot的安装方法是通过运行python setup.py install命令完成。导入Turbot库后，可以创建Turbot对象并使用它来回答问题，例如“Bjarne Stroustrup的出生日期是1950年12月30日”，或确认“天空是否是蓝色”。

SMU 的 DataMining 课程项目库，挺适合想用 R 做点实战的同学。R 脚本清晰，代码逻辑还不错，数据集也都是现成的，能直接拿来练手。项目内容覆盖了从数据清洗到模型评估，甚至连可视化结果都有，省心不少。README 也写得明白，照着操作就能跑起来，响应也快，适合边学边改。如果你正准备 R 语言的数据挖掘项目，这份资源可以少走不少弯路。

数据挖掘是个蛮有意思的领域，涉及到从海量数据中提取有价值的信息。这个“数据挖掘大作业”资源，不仅包含了数据预、建模、评估等过程，还包括了实际的工具和代码库，挺适合用来做课程项目或者练手。其中，MathOCR.jar是一个光学字符识别（OCR）工具，能够你扫描文档，转换其中的数学公式，这在教育领域数据挖掘中挺有用的。还有一个是学生的期中作业报告，里面详细了数据挖掘的整个流程，数据预、模型选择、训练、验证都有提到。如果你对这块有兴趣的话，看看也能收获不少。最重要的是，这些资源都是开源的，gpl.txt文件提醒你有许多开源代码可以自由使用、修改，蛮符合这个领域的特点。如果你是数据挖掘的初学者，想了解

建议在设置应用程序时使用virtualenv。要安装所需的模块，只需键入： python setup.py install。在某些计算机上，此命令一开始可能会失败，因为numpy没有使用setuptools正确安装。要解决此问题，请直接使用pip安装numpy，如pip install numpy==1.9.1，然后执行setup.py install。课程信息从xml获取，这是运行应用程序的要求。要将课程导入MongoDB，请运行以下命令： python course_import.py。配置应用程序可以通过添加app.cfg文件或环境变量来完成。

问题摘要：学生无法根据他们在课程中的表现以及与课程的在线学习环境(moodle)的互动来预测他们的最终成绩。目的：研究数据挖掘技术，对Moodle上的数据实施最适用的模型，对学生的成绩进行预测。任务包括：研究不同的数据挖掘技术，审查在类似领域实施的模型，查看在所述问题的领域中实现的其他模型。确定最适用于对Moodle格式的数据进行预测的技术，在给定的上下文中设计独特的数据预测模型，比较和评估所选模型与现有数据模型的准确性，展示研究结果，可视化结果。

此存储库包含我完成的清华大学机器学习和数据挖掘课程项目。

数据挖掘是信息技术领域的重要分支，涉及从复杂数据中发现有价值信息和模式。华沙大学的数据挖掘课程通过作业和项目，深入培养学生对核心概念和技术的理解。课程内容涵盖数据预处理、分类、聚类、关联规则挖掘和预测等关键技能。学生将学习数据清洗、集成、转换和规约等预处理步骤，以提高后续分析的准确性和效率。分类任务将使用决策树、随机森林、支持向量机等算法进行模型建立和预测。聚类则利用K-means、层次聚类和DBSCAN等算法实现数据分组，无需事先知道类别标签。关联规则挖掘和预测则依赖于Apriori和FP-Growth算法等方法。课程还涉及时间序列分析、回归模型和深度学习技术。学生通过项目展示数据解释能力和

BotScraping是一款用于零售场所的数据挖掘工具，用于采购。该项目已转移到私有存储库，但您仍可以在此处找到INITIAL 2010 PROTOTYPE代码。网页抓取（Web抓取或Web数据提取）是一种使用正则表达式从网站提取信息的计算机软件技术，通常通过模拟对Internet的人类探索来实现，以获取商品、服务或作品。采购是从外部来源购买商品、服务或作品，以满足质量、数量、时间和地点等方面的需求。公司和公共机构通常制定流程，以确保业务的公平和公开竞争，并最大程度地减少欺诈和串通风险。