本书是教育部高等学校软件工程教学指导委员会（第一批）专业方向类规划推荐教材，中央财经大学研究生精品教材建设项目立项教材。
本书体系完整，内容丰富，共包含8章：第一章导言、第二章认识数据、第三章数据预处理、第四章关联规则挖掘、第五章分类、第六章数值预测、第七章聚类分析和第八章复杂数据的挖掘。此外，本书还附带了Python环境搭建及基础教程，供读者使用。
本书可作为高等学校数据科学与大数据专业课程教材，也可作为相关专业的专业课教材使用。

第1章 导言
1.1 数据挖掘简介
1.1.1 数据挖掘的产生
1.1.2 数据挖掘的定义
1.1.3 数据挖掘的流程
1.2 数据挖掘的模式类型和涉及领域
1.2.1 数据挖掘的模式类型
1.2.2 .数据挖掘涉及领域
1.3 数据挖掘的应用
1.3.1 应用场景1——市场分析和管理
1.3.2 应用场景2——风险分析和管理
1.3.3 应用场景3——欺骗检测和异常模式识别
1.4 数据挖掘的常用软件
1.4.1 Python
1.4.2 R
1.4.3 Weka
1.4.4 SPSS Modeler
1.4.5 SAS
本章小结
课后习题
即测即评
第2章 认识数据
2.1 数据对象与属性类型
2.1.1 数据对象
2.1.2 属性类型
2.2 数据的基本统计描述
2.2.1 数据的基本统计描述——集中趋势
2.2.2 数据的基本统计描述——离散趋势
2.2.3 数据的基本统计描述——基本统计图
2.3 数据可视化
2.4 相似性、相异性与邻近性度量
2.4.1 度量数据的相似性和相异性
2.4.2 标称属性的邻近性度量
2.4.3 数值属性的邻近性度量
2.4.4 序数属性的邻近性度量
2.4.5 混合类型属性的相异性
2.4.6 余弦相似性
2.5 数据、信息和知识
2.5.1 数据
2.5.2 信息和知识
2.6 Python实践
本章小结
课后习题
即测即评
第3章 数据预处理
3.1 数据预处理的原因和任务
……
第4章 关联规则挖掘
第5章 分类
第6章 数值预测
第7章 聚类分析
第8章 复杂数据的挖掘
附录一 Python环境搭建及基础教程
附录二 Python基础教程