本次学习我们将沿用前面的数据挖掘过程，仍然处理一个分类问题，并着重学习一些新的数据处理手段。

本次学习我们学习关于SVM算法的详细解释，学习如何理解SVM算法，核技巧是SVM算法的核心，我们也会学习什么是核技巧，最后了解SVM算法的求解流程。

本章学习主要是针对，给定样本及其已知类别，通过机器学习获取到各类特征。如何训练分类模型，并通过分类模型预测未知样本的类别。

本次学习我们将详细介绍Apriori关联规则算法中的相关概念和，Apriori算法过程推导。

本节介绍如何在Mac电脑上配置hexo，并部署到github上。

本章学习主要是针对如何挖掘数据之间的关联规则。如何离散化数据，使用Apriori关联规则算法，探索样本数据与预测结果直接的关联规则。

本节我们在对数据采集有一定了解的基础上，进行维基百科上简单的数据采集。介绍采集一个页面，采集一个网站，采集多个网站数据。读者可以在本节实验中进行实践。

上节学会了如何通过代码获取网页并通过BeautifulSoup进行简单的解析，这一节，我们将进一步学习BeautifulSoup对HTML更多的解析方法，通过查找标签的方法，标签组的使用，以及标签解析树的导航来定位我们想要的数据。

本次学习我们将详细介绍什么是K-Means聚类算法，使用数学的方法进行描述和解释，并给出K-means算法过程。

本次学习我们主要是从数学角度简单介绍一下为什么要数据规范，如何数据规范。