本節書摘來自華章社區《Python數據挖掘：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·斯夸爾（Megan Squire），更多章節內容可以訪問云棲社區“華章社區”公眾號查看

1.5　小結
在本章中，我們學習了將數據挖掘工具箱擴展到大師級別所需要做的工作。首先，我們從作為數據庫知識發現（KDD）過程一部分的數據挖掘歷史開始，對該領域進行了全面的介紹。還比較了數據挖掘其他類似的領域，如數據科學、機器學習和大數據等。
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，特別關注挖掘和分析步驟中最頻繁使用的技術。為了真正精通數據挖掘，重要的是要關注和簡單的教科書示例不同的問題。因此，我們將致力于更獨特的數據挖掘技術，如生成摘要和尋找離群值，并關注更加不同尋常的數據類型，如文本和網絡。
在本章的最后，我們組合了一個健全的數據挖掘系統。我們的工作空間以強大的全功能編程語言Python及其許多實用數據挖掘程序包（如NTLK、Gensim、Numpy、Networkx和Scikit-learn）為中心，輔之以易于使用的免費數據庫MySQL。
現在，通過以上對軟件包的討論使我們想到：你是否對哪些程序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序包搭配？在下一章中，我們將解決這一類問題。在第2章中，我們將學習如何生成經常發現的配對、三元組、四元組等的列表，然后根據找出的模式作出預測。

總結

以上是生活随笔為你收集整理的《Python数据挖掘：概念、方法与实践》——1.5节小结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。