李彦

摘要：随着大数据时代的到来，商业、政府机构等许多部门和行业都面临着数量越来越多的数据资料，因此数据挖掘受到外界越来越广泛的关注。该文就阳光集团所提供的西南某省的具体数据，基于python语言对其进行数据清洗、数据挖掘以及回归分析。

关键词：python；数据挖掘；数据清洗；回归分析

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）23-0015-06

1 涉及技术简介与具体项目背景

Python是一种面向对象的解释型计算机程序设计语言，由荷兰人Guido van Rossum于1989年发明，第一个公开发行版发行于1991年。Python语法简洁清晰、封装性很好并且拥有丰富且强大的库。

数据挖掘指的是从数量极其广大的数据中通过各种特定算法来搜索其中隐藏着的信息的过程，所以又名为资料勘探。数据挖掘属于计算机科学的一种，但其中综合了多个学科例如统计学、信息检索等方面的内容。

数据清洗，顾名思义就是指将“脏”数据清洗干净以符合操作规范。数据清洗的工作内容一般包括一致性检查以及无效值和缺失值的处理。

回歸分析是回归方程的一项重要应用。所谓预测就是对给定的X值，估计Y值将落在什么范围。回归预测方法有多种类型。依据相关关系中自变量的个数不同分类，可分为一元回归分析预测法和多元回归分析预测法。

本次项目的背景是使用阳光集团所提供的西南某省的具体量体数据来进行预测。此数据集中包括了性别、身高、体重、衣长等对回归预测具有重大参考意义的数据。……