《Python資料挖掘：概念、方法與實踐》——1.5節小結

本節書摘來自華章社群《python資料挖掘：概念、方法與實踐》一書中的第1章，第1.5節小結，作者[美] 梅甘·斯誇爾（megan squire），更多章節内容可以通路雲栖社群“華章社群”公衆号檢視

1.5　小結

在本章中，我們學習了将資料挖掘工具箱擴充到大師級别所需要做的工作。首先，我們從作為資料庫知識發現（kdd）過程一部分的資料挖掘曆史開始，對該領域進行了全面的介紹。還比較了資料挖掘其他類似的領域，如資料科學、機器學習和大資料等。

接下來，概述了kdd過程中大部分專家認為最重要的工具和技術，特别關注挖掘和分析步驟中最頻繁使用的技術。為了真正精通資料挖掘，重要的是要關注和簡單的教科書示例不同的問題。是以，我們将緻力于更獨特的資料挖掘技術，如生成摘要和尋找離群值，并關注更加不同尋常的資料類型，如文本和網絡。

在本章的最後，我們組合了一個健全的資料挖掘系統。我們的工作空間以強大的全功能程式設計語言python及其許多實用資料挖掘程式包（如ntlk、gensim、numpy、networkx和scikit-learn）為中心，輔之以易于使用的免費資料庫mysql。

現在，通過以上對軟體包的讨論使我們想到：你是否對哪些程式包最經常一起使用感到疑惑？是較為常見的ntlk和networkx組合，還是相對不常見的程式包搭配？在下一章中，我們将解決這一類問題。在第2章中，我們将學習如何生成經常發現的配對、三元組、四元組等的清單，然後根據找出的模式作出預測。