本书完整、全面地讲述数据挖掘的概念、方法、技术和近期新研究的进展，重点论述数据预处理、频繁模式挖掘、分类和聚类等内容，还全面讲述OLAP和数据挖掘常用算法，并研讨数据挖掘体系结构及其重要的应用领域。 本书共7章：第1章是数据挖掘概述；第2章对数据挖掘进行历史回顾并介绍目前的研究现状；第3章着重讨论数据挖掘的常用算法和工具；第4章分析数据挖掘的体系结构；第5章介绍数据挖掘技术在相关领域的应用情况；第6章分析数据挖掘的研究方向和发展趋势；第7章介绍Python数据挖掘的实操案例。本书除第7章外每章后均附有习题。 本书是一本适用于“数据分析”“数据挖掘”“知识发现”课程的教材，可以作为高等学校信息管理、数理统计等专业的本科生或研究生的专业课教材，也可以作为各类相关培训班的教材，还可以作为数据挖掘和知识发现领域的研究人员、开发人员的参考书。

第1章 数据挖掘概述
1.1 什么是数据挖掘
1.2 挖掘哪种信息
1.3 数据挖掘能做什么
1.4 前途光明的数据挖掘技术
习题
第2章 数据挖掘的历史回顾与研究现状
2.1 历史回顾
2.2 研究现状
习题
第3章 数据挖掘的常用算法和工具
3.1 数据仓库、数据集市与数据挖掘的关系
3.1.1 数据仓库
3.1.2 数据集市
3.1.3 数据挖掘
3.2 数据挖掘理论简介
3.3 数据挖掘的常用算法
3.3.1 数据抽取
3.3.2 分类发现
3.3.3 聚类
3.3.4 关联规则发现
3.3.5 K最近邻算法
3.3.6 支持向量机算法
3.3.7 频繁项集挖掘算法
3.4 数据挖掘的其他方法
3.4.1 多层次数据汇总归纳
3.4.2 决策树方法
3.4.3 神经网络方法
3.4.4 覆盖正例排斥反例方法
3.4.5 粗糙集方法
3.4.6 遗传算法
3.4.7 公式发现
3.4.8 统计分析方法
3.4.9 模糊理论方法
3.4.10 可视化技术
3.5 空间数据库的数据挖掘
3.5.1 归纳方法
3.5.2 聚集方法
3.5.3 统计信息网格算法
3.5.4 空间聚集和特征邻近关系挖掘
3.6 数据挖掘工具
3.7 数据挖掘的评价工具
3.7.1 可产生的模式种类的多少
3.7.2 解决复杂问题的能力
3.7.3 易操作性
3.7.4 数据存取能力
3.7.5 与其他产品的接口
习题
第4章 数据挖掘是如何工作的
4.1 数据挖掘的基本流程
4.2 数据挖掘的体系结构
4.3 集成后的数据挖掘体系
4.4 产生利润的工具
习题
第5章 数据挖掘技术的应用
5.1 网络数据挖掘
5.2 数据挖掘在CRM中的核心作用
5.3 数据挖掘在电信业中的应用
5.4 数据挖掘在风险评估中的应用
5.5 数据挖掘在通信网络警报处理中的应用
5.6 数据挖掘在交通领域的应用
5.7 数据挖掘技术在信用卡业务中的应用
5.8 数据挖掘技术助力新冠病毒感染疫情防控
5.9 空间数据挖掘在地理信息系统中的应用
5.10 数据挖掘技术在个性化推荐系统中的应用
5.11 数据挖掘技术在证券行业中的应用
5.12 数据挖掘技术在钢铁行业质量管理中的应用
习题
第6章 数据挖掘的研究方向和发展趋势
6.1 研究方向
6.1.1 处理不同类型的数据
6.1.2 数据快照和时间戳方法
6.1.3 数据挖掘算法的有效性和可测性
6.1.4 交互性用户界面
6.1.5 在多抽象层上交互式挖掘知识
6.1.6 从不同数据源挖掘信息
6.1.7 私有性和安全性
6.1.8 和其他系统的集成
6.1.9 Internet上的知识发现
6.2 发展趋势
6.2.1 挖掘分布式、异质、遗留数据库
6.2.2 多媒体数据挖掘
6.2.3 对知识发现方法的应用
6.2.4 数据挖掘的安全和隐私问题
习题
第7章 Python数据挖掘实操案例
7.1 实验目的
7.2 实验原理
7.3 实验环境
7.4 实验内容
7.5 实验步骤
7.6 思考与总结
参考文献