numpy一般使用
numpy+mkl
pandas：資料分析和處理模組，能為複雜情形下的資料提供堅實的基礎分析功能
scipy：支援數值計算，支援矩陣運算，提供高等數學處理：積分、傅利葉變換、微分方程求解
matplotlib：資料成圖模組，解決資料視覺化
statsmodels：注重資料統計建模分析的資料處理模組，與
pandas
結合，強大的資料探勘組合
genism：自然語言處理模組，包括自然語言主題模型，用於文字的主題挖掘
sklearn：機器學習
keras：深度學習
jieba:中文分詞
nltk：（natural language toolkit
）python
自然語言處理模組，包括一系列的字元處理和語言統計模型。常用於學術研究和教學，應用領域有語言學、認知科學、人工智慧、資訊檢索、機器學習等
資料分析和資料探勘
什麼是資料分析與資料探勘 資料分析 對已知資料進行分析，然後提取一些有價值的資訊 比如 統計出平均數 標準差等資訊 資料探勘 對大量的資料進行分析挖掘，得到一些未知的，有價值的資訊等。比如從 的使用者或使用者行為資料中挖掘出使用者其潛在需求資訊，從而對 進行改善 已知到未知 關係 資料分析和資料探勘...
BI應用 資料分析和資料探勘時代來臨
如何把資料庫中存在的資料轉變為業務人員需要的資訊?大部分的答案是報表系統。簡單說，報表系統已經可以稱作是bi了，它是bi的低端實現。現在國外的企業，大部分已經進入了中端bi，叫做資料分析。有一些企業已經開始進入高階bi，叫做資料探勘。而我國的企業，目前大部分還停留在報表階段。資料包表不可取代 傳統的...
簡述資料探勘和資料分析的區別（二）
典型的例子就是比較神奇的神經網路挖掘技術，這個技術裡面有乙個隱蔽層，這個隱蔽層的存在的意義就是沒有人能在所有的情況下讀懂裡面的非線性函式是如何對自變數進行組合的。在實踐應用中，這種情況常會讓習慣統計分析公式的分析師或者業務人員感到困惑，這也確實影響了模型在實踐應用中的可理解性和可接受度。如果我們換種...