数据预处理系列
- 数据预处理 第1篇：探索数据
- 数据预处理 第2篇：数据预处理（缺失值）
- 数据预处理 第3篇：数据预处理（使用插补法处理缺失值）
- 数据预处理 第4篇：数据预处理（sklearn 插补缺失值）
- 数据预处理 第5篇：异常值分析
- 数据预处理 第6篇：数据预处理（标准化、归一化、分类数据编码和离散化）
评估模型的指标
- 评估回归模型的指标：MSE、RMSE、MAE、R2、偏差和方差
- 评估分类模型的指标：召回率、精确率、F1值
- 评估分类模型的指标：ROC/AUC
回归模型系列
- 回归模型 第1篇：线性模型概述
分类模型系列
- 分类模型 第1篇：分类模型概述
聚类模型系列：
时间序列分析系列：
推荐模型系列：
R 数据挖掘系列（未完结）：
- 数据挖掘 第一篇：聚类分析（划分）
- 数据挖掘 第二篇：基于距离评估数据的相似性和相异性
- 数据挖掘 第三篇：聚类的评估（簇数确定和轮廓系数）和可视化
- 数据挖掘 第四篇：OLS回归分析
- 数据挖掘 第五篇：分类（kNN）
Azure Databricks 系列：
- Databricks 第1篇：初识Databricks，创建工作区、集群和Notebook
- Databricks 第2篇：pyspark.sql 简介
- Databricks 第3篇：pyspark.sql 通过JDBC连接数据库
- Databricks 第4篇：pyspark.sql 分组统计和窗口
- Databricks 第5篇：Databricks文件系统（DBFS）
- Databricks 第6篇：Spark SQL 维护数据库和表
- Databricks 第7篇：管理Secret
- Databricks 第8篇：把Azure Data Lake Storage Gen2 (ADLS Gen 2)挂载到DBFS
- Databricks 第9篇：
SQL Server 审计系列：
参考文档：