本课程《数据挖掘与Python实践》系统介绍数据挖掘的核心概念、方法与技术，并结合Python编程进行实践操作。课程从数据挖掘导论与Python基础开始，逐步深入到数据认识、预处理、关联规则、分类、聚类、数值预测等核心算法，最后探讨复杂数据类型的挖掘。通过理论与实践相结合的方式，帮助学习者掌握使用Python解决实际数据挖掘问题的能力。

视频课程目录：
第一单元：导言
第二单元：认识数据
第三单元：数据预处理
第四单元：关联规则挖掘
第五单元：分类
第六单元：数值预测
第七单元：聚类分析
第八单元：复杂数据的挖掘




课程详细目录：
├─{01}--第一单元导言
│ ├─{01}--1.1数据挖据的产生、定义和流程
│ │ (1.1.1)--1.1数据挖据的产生、定义和流程.pdf
│ │ [1.1.1]--1.1数据挖据的产生、定义和流程.mp4
│ │
│ ├─{02}--1.2数据挖掘的方法
│ │ (1.2.1)--1.2数据挖掘的方法.pdf
│ │ [1.2.1]--1.2数据挖掘的方法.mp4
│ │
│ ├─{03}--1.3数据挖掘的应用
│ │ (1.3.1)--1.3数据挖掘的应用.pdf
│ │ [1.3.1]--1.3数据挖掘的应用.mp4
│ │
│ └─{04}--1.4python介绍
│ (1.4.1)--1.4python介绍.pdf
│ [1.4.1]--1.4python介绍.mp4
│
├─{02}--第二单元认识数据
│ ├─{01}--2.1数据对象与属性类型
│ │ (2.1.1)--2.1数据对象与属性类型.pdf
│ │ [2.1.1]--2.1数据对象与属性类型.mp4
│ │
│ ├─{02}--2.2数据的基本统计描述
│ │ (2.2.1)--2.2数据的基本统计描述.pdf
│ │ [2.2.1]--2.2.1数据的基本统计描述——集中趋势.mp4
│ │ [2.2.2]--2.2.2数据的基本统计描述——离散趋势.mp4
│ │ [2.2.3]--2.2.3数据的基本统计描述——基本统计图.mp4
│ │
│ ├─{03}--2.3数据可视化
│ │ (2.3.1)--2.3数据可视化.pdf
│ │ [2.3.1]--2.3数据可视化.mp4
│ │
│ ├─{04}--2.4数据的相似性与相异性度量
│ │ (2.4.1)--2.4数据的相似性与相异性度量.pdf
│ │ [2.4.1]--2.4.1度量数据的相似性和相异性.mp4
│ │ [2.4.2]--2.4.2标称属性的邻近性度量.mp4
│ │ [2.4.3]--2.4.3数值属性的相异性.mp4
│ │ [2.4.4]--2.4.4混合类型属性的相异性.mp4
│ │ [2.4.5]--2.4.5余弦相似性.mp4
│ │
│ ├─{05}--2.5python操作：认识数据（一）
│ │ (2.5.1)--2.5python操作：认识数据.pdf
│ │ (2.5.2)--2019年政府工作报告.pdf
│ │ [2.5.1]--2.5python操作：认识数据（一）.mp4
│ │
│ └─{06}--2.6python操作：认识数据（二）
│ [2.6.1]--2.6python操作：认识数据（二）.mp4
│
├─{03}--第三单元数据预处理
│ ├─{01}--3.1数据预处理的基本思想和数据规范化
│ │ (3.1.1)--3.1数据预处理的基本思想和数据规范化.pdf
│ │ [3.1.1]--3.1.1数据预处理基本思想和数据规范化.mp4
│ │
│ ├─{02}--3.2数据离散化
│ │ (3.2.1)--3.2数据离散化.pdf
│ │ [3.2.1]--3.2数据离散化.mp4
│ │
│ ├─{03}--3.3数据清洗
│ │ (3.3.1)--3.3数据清洗.pdf
│ │ [3.3.1]--3.3数据清洗.mp4
│ │
│ └─{04}--3.4特征提取与特征选择
│ (3.4.1)--3.4特征提取与特征选择.pdf
│ (3.4.2)--python实现数据预处理.pdf
│ (3.4.3)--扩展资料1-反恐情报分析中的数据预处理研究_李勇男.pdf
│ [3.4.1]--3.4特征提取与特征选择.mp4
│
├─{04}--第四单元关联规则挖掘
│ ├─{01}--4.1引言
│ │ (4.1.1)--4.1引言.pdf
│ │ [4.1.1]--4.1引言.mp4
│ │
│ ├─{02}--4.2频繁模式与关联规则
│ │ (4.2.1)--4.2频繁模式与关联规则.pdf
│ │ [4.2.1]--4.2频繁模式与关联规则.mp4
│ │
│ ├─{03}--4.3频繁项集的典型挖掘方法
│ │ (4.3.1)--4.3频繁项集的典型挖掘方法.pdf
│ │ [4.3.1]--4.3.1逐层发现算法Apriori.mp4
│ │ [4.3.2]--4.3.2无候选集发现算法FP-growth.mp4
│ │
│ ├─{04}--4.4关联规则的生成方法
│ │ (4.4.1)--4.4关联规则的生成方法.pdf
│ │ [4.4.1]--4.4关联规则的生成方法.mp4
│ │
│ ├─{05}--4.5关联规则的其他类型
│ │ (4.5.1)--4.5关联规则的其他类型.pdf
│ │ [4.5.1]--4.5关联规则的其他类型.mp4
│ │
│ ├─{06}--4.6关联规则的兴趣度的其他度量
│ │ (4.6.1)--4.6关联规则的兴趣度的其他度量.pdf
│ │ [4.6.1]--4.6关联规则的兴趣度的其他度量.mp4
│ │
│ └─{07}--4.7python操作：关联规则挖掘
│ (4.7.1)--4.7python操作：关联规则挖掘.pdf
│ (4.7.2)--相关阅读1.pdf
│ (4.7.3)--相关阅读2.pdf
│ (4.7.4)--相关阅读3.pdf
│ [4.7.1]--4.7python操作：关联规则挖掘.mp4
│
├─{05}--第五单元分类
│ ├─{01}--5.1分类的概念
│ │ (5.1.1)--5.1分类的概念.pdf
│ │ [5.1.1]--5.1分类的概念.mp4
│ │
│ ├─{02}--5.2决策树分类
│ │ (5.2.1)--5.2决策树分类.pdf
│ │ [5.2.1]--5.2.1决策树的构建-ID3.mp4
│ │ [5.2.2]--5.2.2决策树的构建-C4.5.mp4
│ │ [5.2.3]--5.2.3决策树的剪枝.mp4
│ │
│ ├─{03}--5.3朴素贝叶斯分类
│ │ (5.3.1)--5.3朴素贝叶斯分类.pdf
│ │ [5.3.1]--5.3朴素贝叶斯分类.mp4
│ │
│ ├─{04}--5.4k近邻分类
│ │ (5.4.1)--5.4k近邻分类.pdf
│ │ [5.4.1]--5.4k近邻分类.mp4
│ │
│ ├─{05}--5.5分类性能的度量方法
│ │ (5.5.1)--5.5分类性能的度量方法.pdf
│ │ [5.5.1]--5.5.1测试数据集的构造.mp4
│ │ [5.5.2]--5.5.2分类性能的度量.mp4
│ │ [5.5.3]--5.5.3不同分类模型的比较.mp4
│ │
│ ├─{06}--5.6python操作：分类（一）
│ │ (5.6.1)--5.6python操作：分类.pdf
│ │ [5.6.1]--5.6python操作：分类（一）.mp4
│ │
│ └─{07}--5.7python操作：分类（二）
│ (5.7.1)--5.7补充阅读（一）.pdf
│ (5.7.2)--5.7补充阅读（二）.pdf
│ [5.7.1]--5.7python操作：分类（二）.mp4
│
├─{06}--第七单元聚类分析
│ ├─{01}--7.1概述
│ │ (6.1.1)--7.1概述.pdf
│ │ [6.1.1]--7.1.1概述.mp4
│ │
│ ├─{02}--7.2相似度度量方法
│ │ (6.2.1)--7.2相似度度量方法.pdf
│ │ [6.2.1]--7.2.1基于内容的相似度度量.mp4
│ │ [6.2.2]--7.2.2基于链接的相似度度量.mp4
│ │
│ ├─{03}--7.3k均值聚类法
│ │ (6.3.1)--7.3k均值聚类法.pdf
│ │ [6.3.1]--7.3.1k均值聚类法.mp4
│ │
│ ├─{04}--7.4层次聚类方法
│ │ (6.4.1)--7.4层次聚类方法.pdf
│ │ [6.4.1]--7.4.1层次聚类方法.mp4
│ │
│ ├─{05}--7.5DBSCAN方法
│ │ (6.5.1)--7.5DBSCAN方法.pdf
│ │ [6.5.1]--7.5DBSCAN方法.mp4
│ │
│ ├─{06}--7.6聚类效果衡量方法
│ │ (6.6.1)--7.6聚类效果衡量方法.pdf
│ │ [6.6.1]--7.6.1聚类效果衡量方法.mp4
│ │
│ ├─{07}--7.7python操作：聚类分析（一）
│ │ (6.7.1)--7.7python操作：聚类分析.pdf
│ │ [6.7.1]--7.7python操作：聚类分析（一）.mp4
│ │
│ └─{08}--7.8python操作：聚类分析（二）
│ (6.8.1)--7.8补充阅读1.pdf
│ (6.8.2)--7.8补充阅读2.pdf
│ (6.8.3)--7.8补充阅读3.pdf
│ [6.8.1]--7.8python操作：聚类分析（二）.mp4
│
├─{07}--第六单元数值预测
│ ├─{01}--6.1数值预测概念
│ │ (7.1.1)--6.1数值预测概念.pdf
│ │ [7.1.1]--6.1数值预测概念.mp4
│ │
│ ├─{02}--6.2回归方法
│ │ (7.2.1)--6.2回归方法.pdf
│ │ [7.2.1]--6.2.1回归概念及一元线性回归.mp4
│ │ [7.2.2]--6.2.2一元线性回归检验.mp4
│ │ [7.2.3]--6.2.3多元线性回归.mp4
│ │ [7.2.4]--6.2.4非线性回归.mp4
│ │
│ ├─{03}--6.3回归树与模型树
│ │ (7.3.1)--6.3回归树与模型树.pdf
│ │ [7.3.1]--6.3回归树与模型树.mp4
│ │
│ ├─{04}--6.4K近邻数值预测和预测误差的度量
│ │ (7.4.1)--6.4K近邻数值预测和预测误差的度量.pdf
│ │ [7.4.1]--6.4K近邻数值预测和预测误差的度量.mp4
│ │
│ └─{05}--6.5python操作：数值预测
│ (7.5.1)--6.5python操作：数值预测.pdf
│ (7.5.2)--6.补充阅读（一）.pdf
│ (7.5.3)--6.补充阅读（二）.pdf
│ (7.5.4)--6.补充阅读（三）.pdf
│ [7.5.1]--6.5python操作：数值预测.mp4
│
└─{08}--第八单元复杂数据的挖掘
├─{01}--8.1挖掘复杂的数据类型-序列与网络
│ (8.1.1)--8.1挖掘复杂的数据类型-序列与网络.pdf
│ [8.1.1]--8.1挖掘复杂的数据类型-序列与网络.mp4
│
└─{02}--8.2挖掘复杂的数据类型-其他类型
(8.2.1)--8.2挖掘复杂的数据类型-其他类型.pdf
(8.2.2)--补充阅读1.pdf
(8.2.3)--补充阅读2.pdf
(8.2.4)--补充阅读3.pdf
(8.2.5)--补充阅读4.pdf
[8.2.1]--8.2挖掘复杂的数据类型-其他类型.mp4