数据挖掘比赛

NBA 2013-14 赛季的比赛数据 CSV 文件，内容全、格式干净，适合做机器学习和数据挖掘练手。原本是配合《Python 数据挖掘入门与实践》第三章用的，现在官网不支持自动整合了，多人找不到资源。正好我手里有完整版，就分享出来，省你一堆折腾时间。 数据是标准的 CSV 格式，字段清晰，球队名、得分、时间戳啥的都整理得蛮规范。你拿来直接喂给 pandas 做数据预也没啥问题，比如 df = pd.read_csv('nba_games.csv') 就能直接跑起来。数据量也不小，做聚类、分类、回归练手都挺合适。 而且这套数据搭配书里的代码练，思路更清晰。哪怕你没读书，纯拿它来做模型训练也方便

这是本人在学校举办的比赛中制作的演示文稿，供大家参考！

研究生数据挖掘课程课件，供学习参考。

数据挖掘综述：数据挖掘技术的广泛应用涵盖了从商业到科学研究的各个领域。随着数据量的增加和计算能力的提升，数据挖掘在发现模式和提供洞察方面发挥着关键作用。

这是Coursera提供的一门关于数据挖掘的在线课程。

数据挖掘与统计学的结合挺有意思的。这里的关键是将一些看起来复杂的技术—比如统计学、人工智能、数据库等—给封装起来，让不用掌握那些复杂的数学模型，也能轻松完成数据挖掘的任务。其实，数据挖掘不仅仅是统计，它还涵盖了更多的算法和技术。如果你对这方面有兴趣，肯定能从中找到不少有趣的应用场景。比如你可以运用数据挖掘算法来做一些预测，找出潜在的规律。嗯，确实，多数据挖掘算法都源自统计学，像 KDD 就是其中一个典型的例子。如果你想更深入了解数据挖掘，相关的文章也能你从不同角度看问题。

数据挖掘入门 本章深入浅出地探讨数据挖掘的核心概念，涵盖常用算法和方法，并回顾其发展历程，为读者构建坚实的基础。

数据挖掘原理 这是一本针对数据挖掘领域的入门书籍，英文版，适合初学者学习基础知识。书中包含详细的目录，方便读者查阅相关内容。

数据挖掘从海量数据中提取有价值信息，满足特定需求。2000年，数据挖掘市场规模约7.5亿美元，预计未来五年年增长率达32.4%，亚太地区为26.6%。专家预测，数据挖掘将在未来5-10年在中国形成新产业。

Bing Liu 著