pandas 強大、靈活的資料分析和探索工具：
keras 深度學習庫，用於建立神經網路以及深度學習模型：
matplotlib 強大的資料視覺化工具、作相簿：
sklearn 支援回歸、分類、聚類等的強大的機器學習庫：
numpy 提供陣列支援，以及相應的高效的處理函式：
statsmodels 統計建模和計量經濟學、包括描述統計、統計模型估計和判斷：
gensim 用來做文字主題模型的庫，文字挖掘可能用到：
資料特徵分析 Python資料探勘與分析
1.分布分析 1 定量資料的分布分析 求極差 組距 組數 分點 列出頻率分布表 繪製頻率分布直方圖 2 定性資料的分布分析 定性的資料常常使用變數來分組，然後使用餅圖 柱狀圖等來展示 2.對比分析 兩個相互聯絡的指標進行比較，從數量上展示和說明研究物件規模的大小，水平的高低，速度的快慢等 1 絕對數...
python資料分析與挖掘實戰 資料探勘基礎
從大量資料 包括文字 中挖掘出隱含的 未知的 對決策有潛在價值的關係 模式和趨勢，並用這些知識和規則建立用於決策支援的模型，提高 性決策支援的方法 工具和過程，就是資料探勘 它是利用各種分析工具在大量資料中尋找其規律和發現模型與資料之間關係的過程，是統計學 資料庫技術和人工智慧技術的綜合。1.定義挖...
Python資料分析與挖掘實戰 挖掘建模
常用的分類與 演算法 1回歸模型分類 1線性回歸 自變數因變數線性關係，最小二乘法求解 2非線性回歸 自變數因變數非線性關係，函式變換為線性關係，或非線性最小二乘方法求解 3logistic回歸 因變數一般有1和0兩種取值，將因變數的取值範圍控制再0 1範圍內 4嶺回歸 自變數之間具有多重共線性 5...