数据挖掘已经广泛应用于各行各业,并催生了数据分析师的兴起。本书结合项目实践，首先对数据挖掘的核心问题进行了总结，并以保险推荐为例说明数据挖掘过程中每个步骤需要关注之处； 然后，结合香水销售分析，讨论可视化图形的基本应用。为增强本书的实用性，提高读者的动手能力，后续章节详细地分析了数据挖掘在银行信用卡、餐饮、商务酒店、制造业、公安等领域的应用。此外，本书还介绍了卷积神经网络在音频数据处理方面的实际应用。 本书内容深入浅出，案例生动形象，可以作为高校相关专业“数据挖掘”“机器学习”“商务数据分析”等课程的实验教材，也可以供学习数据分析的社会人士参考。

数据挖掘是一个多学科交叉的领域，本书通过少数实际的具体案例，阐述数据分析项目分析的过程以及一些要点，可作为普通高等学校数据挖掘、商务数据分析、商务智能等课程的案例和实验指导材料。也可供有志于数据分析师的读者参考。 如果希望加入教师微信交流群，请加微信：itbook8 如果希望加入教师QQ交流群，请加QQ：883604 加入时，请写明：“学校+姓名”，并写明“加入教师群”，只限教师。

前言 目前，高校的数据分析类课程(如数据挖掘、机器学习、大数据分析等)教学方式大多以“知识点”为核心组织教学，学生主要以学习知识为主，工程应用实践机会较少。教师将所要教授的知识点在课堂上讲述，课后再以作业练习、课程实验、课程设计等形式帮助学生深入理解课堂上所学的知识。尽管为提高教学效果，目前许多高校尝试了大型开放式网络课程（Massive Open Online Course,MOOC）、翻转课堂、移动课堂、同伴学习和小规模限制性在线课程（Small Private Online Course,SPOC）等教学方法的改革，但总体上来说，对于应用性较强的课程教学，还存在改进的空间，尤其是对学生的动手实践能力要求较高的数据分析类课程。现有的教学方法在传授理论知识时，缺少实际应用环节的支持，学生缺少在实际应用的背景下充分理解所学知识的机会，难以培养学生应用专业知识分析解决问题的技能和创新思维能力。 数据分析的方法是科学，但这些方法的选择和应用过程因问题而异，带有很强的艺术性。在现有专业课程教学模式下，学生仅仅了解需要学习基本的理论知识，缺少实践动手经历，难以获得这些知识的应用技巧，很少接触与企业实际项目相关的内容，因此学生的应用能力较弱，与企业实际的需求脱节。例如，在“数据分析”课程中，一般的教学方式是教师将具体数据分析的方法教授给学生，学生能够理解算法或方法的内容，但难以解决实际项目中应用具体算法碰到的问题。目前亟待克服数据分析类课程教学脱离企业所需能力的培养痛点，在课程学习的知识基础上，解决实际问题，引导学生解决数据分析实际问题的必要技能和思维方法。 实际上，数据分...