数据挖掘完整流程
机器学习基础与实践(一)----数据清洗
10 种机器学习算法的要点(附 Python 和 R 代码)
http://blog.jobbole.com/92021/
郎大伟 remap
http://langdawei.com/page/5/
每个人平等地分享和获取知识.
http://www.cnblogs.com/zhao441354231/p/6056914.html
韩小阳 机器学习
http://blog.csdn.net/han_xiaoyang/article/details/49797143
kaggle入门-开发者自述:我是如何从 0 到 1 走进 Kaggle 的(重要,房价)
http://mt.sohu.com/it/d20170524/143064983_114877.shtml
Kaggle热门 | 用一个框架解决所有机器学习难题
http://www.sohu.com/a/107840312_257813
循序渐进提升Kaggle竞赛模型精确度,以美国好事达保险公司理赔为例
http://mp.weixin.qq.com/s?src=3×tamp=1497938918&ver=1&signature=1uXwJyumMVyCQDBYTCFNWHd2vYYfpIQStOzPdz-vsfDlH5rbk0RlFejafQPMry7sNVdcVqABv7EWVHS8pljjPpFWp3ZPWF632cDOTwDUEwvq5pfbdTqEYfBUa5rwtCZu6PEnbUb4lz2TuaLE-7ztM3hC*TlsURPcA1qEiF1oYcQ=
数据清洗过程
详解Kaggle房价预测竞赛优胜方案:用Python进行全面数据探索
kaggle titianc
https://sanwen8.cn/p/637WoVF.html
客户满意度 暴力清洗
http://blog.csdn.net/xiaopihaierletian/article/details/70207416
kaggle数据挖掘——以Titanic为例介绍处理数据大致步骤
预测移动用户人口属性的Kaggle竞赛作品解析
http://www.infoq.com/cn/articles/predict-mobile-users-Kaggle-contest
2016 CCF大数据与计算智能大赛的开源资料整理
https://zhuanlan.zhihu.com/p/24877060