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(EsembleLearning)
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AJourneythroughTitanicce
案例二Analysisforairplane-crashes-since-
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
如果有需要的话，评论区留个“1”