数据挖掘怎么入门（数据 挖掘）

求高手推荐学习数据挖掘的方法以及详细的学习过程。

第一阶段：掌握数据挖掘的基本概念和方法。先对数据挖掘有一个概念的认识，并掌握基本的算法，如分类算法、聚类算法、协同过滤算法等。参考书：《数据挖掘概念和技术》（第三版）范明，孟小峰 译著。第二阶段：掌握大数据时代下的数据挖掘和分布式处理算法。

经典图书推荐：《数据挖掘概念与技术》、《机器学习实战》、《人工智能及其应用》、《数据库系统概论》、《算法导论》、《Web数据挖掘》、《 Python标准库》、《thinking in Java》、《Thinking in C++》、《数据结构》等。

学习大规模并行计算的技术，例如MapReduce、MPI，GPU Computing。基本每个大公司都会用到这些技术，因为现实的数据量非常大，基本都是在计算集群上实现的。 参加实际的数据挖掘的竞赛，例如KDDCUP，或 https：// 上面的竞赛。

直接数据挖掘目标是预言，估值，分类，预定义目标变量的特征行为 神经元网络；决策树 间接数据挖掘：没有目标变量被预言，目的是发现整个数据集的结构 聚集检测 自动聚集检测 方法 K-均值是讲整个数据集分为K个聚集的算法。

首先是要看数据挖掘的教材 然后 选择一个你想学习的软件 和软件教程，对着教程不断的联系，再就是坚持了，不要求个把月掌握，而是要坚持每天都要学习 最后就是 一定要抵制住诱惑，因为你可能会听到这个软件有用，那个软件更有价值，会导致半途又去学其他的软件。

数据挖掘的入门概念

1、数据挖掘的入门概念 1 数据挖掘 数据挖掘（Data Mining，简称DM），是指从大量的数据中，挖掘出未知的且有价值的信息和知识的过程。

2、掌握编程语言的能力 Python主要掌握基础语法，pandas操作、numpy操作、sklearn建模，学会用python编写网络爬虫爬取数据等等。逻辑思维的能力 逻辑思维对于数据分析来说特别重要。反映商业数据里，大家可以理解为去搭建商业框架或者说是故事线，有逻辑的推进，结果才会另人信服。

3、数据挖掘探索：BIRCH聚类算法的深度解析（一拍即合）在大数据时代，层次聚类的挑战在于合并与分裂策略的抉择和可扩展性。BIRCH算法正是为了解决这些问题，它巧妙地融合了层次与其它算法，适用于海量数据和多类别场景，实现单次扫描下的快速聚类。

4、最基本的sql + python + （R or spss ）最基本的sql会就行，什么join啊什么的都不用管，能select * from xxx limit n啥的就足够了。做到能批量把要用到的原始数据下载下来 python5分钟就能上手写，1周就能熟练的处理各种原始数据到你想要输入给下一步的软件的格式上。

5、python推荐粗读《Head First Python》一书，该书浅显易懂，有C语言基础的人只需一天就能读完，并能够使用python进行简单编程。“Head First”系列的数都很适合初学者，我还读过《Head First 设计模式》和《Head First Statistics》，感觉都不错。

6、先看看韩家威的数据挖掘概念与原理，这本很经典入手也容易。数据挖掘过程和原理先搞懂，然后在开始建模。每个步骤都很重要。数学功底要求较高。另外，机器学习和模式识别也是需要学习的两门课程。

如何自学数据挖掘

学习大规模并行计算的技术，例如MapReduce、MPI，GPU Computing。基本每个大公司都会用到这些技术，因为现实的数据量非常大，基本都是在计算集群上实现的。 参加实际的数据挖掘的竞赛，例如KDDCUP，或 https：// 上面的竞赛。

却也号称是数据挖掘；另一方面，国内真正规模化实施数据挖掘的行业是屈指可数（银行、保险公司、移动通讯），其他行业的应用就只能算是小规模的，比如很多大学都有些相关的挖掘课题、挖掘项目，但都比较分散，而且都是处于摸索阶段，但是我相信数据挖掘在中国一定是好的前景，因为这是历史发展的必然。

首先是要看数据挖掘的教材 然后 选择一个你想学习的软件 和软件教程，对着教程不断的联系，再就是坚持了，不要求个把月掌握，而是要坚持每天都要学习 最后就是 一定要抵制住诱惑，因为你可能会听到这个软件有用，那个软件更有价值，会导致半途又去学其他的软件。

数据挖掘方向很多：比如说有做文本类数据挖掘，有做生物信息挖掘等等 学的东西更加多：首先是入门：这个我强烈推荐斯坦福大学的机器学习，网易公开课有。然后是数学：概率论，线性代数，关于统计学上的东西要学的不错。还有就是英语：最好能看懂文献，因为数据挖掘国外做的好，所以要看很多的论文。

多看看理论知识和一些数据挖掘视频，不过小白自学比较困难，首先学下数据分析基本方法与基础语言，比如R语言，pathoy语言等，可以去大讲台咨询一下，他们做数据挖掘培训有些年头了。

【Excel数据挖掘】如何使用Excel进行数据挖掘

1、数据挖掘的重要方法之一是“数据可视化”。它不是把每一个数据都罗列出来，而是通过可视化，采取一目了然的表现形式。通常这样可以得到新的、有价值的结果．将数据可视化，毋庸置疑，“图表”是首选方法。做演讲时，图表更是不可或缺。Excel的“绘图工具”支持许多功能，非常实用。

2、数据准备的方式有：浏览数据、清除数据以及为数据分区数据挖掘：开始进行数据挖掘的真正步骤，可以建立挖掘模型和预测分析等。数据模型化的方法有分类、估计、聚类、关联、预测和高级等。

3、excel的数据分析可以通过以下步骤来实现： 打开Excel表格，选中需要分析的数据区域。 使用Excel提供的函数和工具进行数据筛选、排序、求和、平均值、计数、比例等基本统计分析。 如果需要更复杂的分析，可以使用数据透视表或数据模型等工具。