很多人未必学过数据挖掘，甚至可能没有听过这四个字，但实际已经早就开始在进行数据挖掘。譬如说股民。炒股就是股市中的数据挖掘，分析K线图和股市后市走势、考察公司的指标体系推测股票的未来价值。所做的这些事就是把从各种地方收集的信息，也就是“数据”加以整理分析，挖掘出和你关心的对象的目标关系。

一个优秀的数据分析师，除了要掌握基本的统计学、数据库、数据分析方法、思维、数据分析工具技能之外，还需要掌握一些数据挖掘的思想，帮助我们挖掘出有价值的数据，这也是数据分析专家和一般数据分析师的差距之一。

数据挖掘主要分为分类算法，聚类算法和关联规则三大类，这三类基本上涵盖了目前商业市场对算法的所有需求。而这三类里又包含许多经典算法。

市面上很多关于数据挖掘算法的介绍深奥难懂，今天给大家分享一份 阿里大佬总结的python常用数据挖掘算法学习资料。覆盖全面，全程干货，逻辑清晰，案例丰富，代码清晰可复制。是学习数据挖掘算法的不二选择。建议收藏学习！

一、数据挖掘与机器学习基础

第一章 机器学习的统计基础第二章 探索性数据分析（ EDA）

二、机器学习概述

第三章 机器学习概述

三、监督学习 ---分类与回归

第四章 KNN（k最邻近分类算法第五章 决策树第六章 朴素贝叶斯分类第七章 Logistic回归第八章 SVM支持向量机第九章 集成学习 (Esemble Learning)第十一章 模型评估

四、非监督学习 ---聚类与关联分析 聚类与关联分析

第十二章 Kmeans聚类分析第十三章 关联分析 Apriori第十四章 数据预处理之降维

五、Python数据预处理

第十五章 Python数据分析基础第十六章 Python进行数据清洗

六、数据结构与算法

一、二叉树（前中后遍历）二、几种基本排序方法

七、SQL知识

八、数据挖掘案例分析

案例一 A Journey through Titanic 597c770e案例二 Analysis for airplane-crashes-since-1908案例三 贷款预测问题案例四 KNN算法实现葡萄酒价格模型预测及交叉验证获取方式，私信“666”