你能详细说明你所说的“方法论”是什么意思吗？

同时，请查看 Booz Allen Hamilton 的The Field Guide To Data Science。本指南讨论数据科学流程和框架。

Mosaic 的Data Science Design Patterns谈到了，你猜对了，数据科学设计模式。这对于了解常见的设计模式非常有用。他们还在努力出版一本关于同一主题的书。

然后有一些资源将作为更有针对性的搜索的结果出现，例如机器学习范式、推荐系统范式等。数据科学是一个庞大而多样的领域，你会发现每个领域都有很多资源它的小节。据我所知，没有一本书能涵盖这一切。

我目前正在写一本关于高等教育数据科学的书，以下方法是我所包括的：

对于回归，我们有：

• 简单线性回归
• 多元线性回归

对于分类，我们有：

• 朴素贝叶斯分类器
• 决策树归纳
• K-最近邻

这些是统计分析中一些更基本的主题（你可以说是预测分析，你可以说是数据科学），因此我怀疑它们也更常见。

好的，我最终在数据挖掘社区中找到了我想要的东西。似乎有两个候选者，CRISP-DM 最初来自 SPSS，但它是“跨行业”，而 SEMMA 来自 SAS。它们几乎都是我想要的。

CRISP-DM http://en.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining

和

SEMMA http://en.wikipedia.org/wiki/SEMMA