⛏️ 数据挖掘学习站

数据挖掘入门 · 课程总览 ​

欢迎来到数据挖掘学习站。目标：从"看得懂数据"到"挖得出规律"——学完五门课，你要能独立跑通一次完整的数据挖掘流程：拿数据 → 清洗 → 建模 → 得出三条能讲给店长听的建议。

本站是 Web 基础学习站的姊妹站，风格不变：中文、每课都有可复制即跑的代码和记忆锚点。前置知识只有一样建议先修：老站的《数据库与 SQL》——数据库负责把数据"存好、查出来"，数据挖掘负责从数据里"挖出规律"。没学过也没关系，会复制粘贴就能跟上。

学前准备 ​

只需要在你的电脑上装好 Python 3，再装两个库（第一课会手把手带一遍）：

bash
pip install pandas scikit-learn

所有课程用到的数据都直接写在页面里，复制粘贴就能跑，不需要去任何网站下载数据集。

课程目录 ​

  1. 数据挖掘概述与流程 —— 什么是挖掘、六类经典任务、业界通用的 CRISP-DM 流程
  2. 数据获取与清洗 —— pandas 读数据三板斧，缺失值 / 重复值 / 异常值逐个处理
  3. 分类与聚类 —— 有答案照着学的 KNN 与决策树，没答案自己分堆的 K-Means
  4. 关联规则 —— 购物篮分析：支持度、置信度、提升度，手写迷你 Apriori
  5. 实战小项目：奶茶店会员流失分析 —— 把前四课串成一次端到端实战
  6. 学习进度表 —— 能真的打勾的清单：勾选存在你自己浏览器里，刷新不丢

🎓 毕业项目：第 5 课就是本站毕业项目——奶茶店会员流失分析。要求不是跑出模型分数，而是交付三条能落地、能AB测试的业务建议。

学完本站的验收标准 ​

  • [ ] 能解释"报表回答发生了什么，挖掘回答接下来会怎样"这句话的含义
  • [ ] 能报出数据挖掘六类经典任务里至少四类，并各举一个身边的例子
  • [ ] 能用 pandas 把一份"脏数据"清洗到能建模的程度，并说清每一步为什么这么做
  • [ ] 能说清监督学习与无监督学习的分界线，报出分类和聚类各一个典型算法
  • [ ] 能手算一条关联规则的支持度、置信度、提升度，并判断它算不算一条好规则
  • [ ] 独立完成实战小项目，产出的不是一堆截图，而是三条能落地的业务建议

学完之后 ​

你已经同时握着两把刷子：一把 Web 攻防（姊妹站教的）、一把数据（本站教的）。它们还能拼到一起——用数据挖掘的眼光去分析网站访问日志里的扫描行为，就是"安全数据分析"这个方向每天都在做的事。

按下一步目标选路线：

下一步目标推荐入口衔接点
补数据库原理与 SQL数据库原理及其应用本站反复用 pandas 做表操作，但底层查询、索引、事务还需要数据库站补齐
回到 Web 基础查漏Web 基础学习站尤其是第三阶段 SQL，能把 pandas 里的筛选和真正的数据库查询对上
把数据能力用于安全CTF 学习站Web 日志分析、Misc 取证和数据分析共用"从噪声里找线索"的方法
找齐所有站点入口全站导航（门户）一张卡片进入全部学习站

🧠 记忆锚点：数据挖掘的终点不是模型，而是业务动作；学完要能把三条建议讲给不懂技术的人听。

动手实验：给三条业务建议排优先级 ​

打开你做过的实战小项目，把最终建议按"影响面 × 可执行性"排个序，只保留前三条，每条形如：

text
动作：对连续 30 天未登录的会员发 8 折复购券
目标人群：最近 30 天未登录、过去 6 个月消费 ≥ 3 次
预期指标：30 天复购率从 12% 提升到 18%
验证方式：A/B 测试，对照组不发券

写不出来，说明模型结果还没翻译成业务语言——回看实战小项目的最后两节。

🧭 路线导航 ​