《数据挖掘方法与应用》以应用为导向介绍数据挖掘的相关工具、理论和方法，包括数据挖掘概述、数据挖掘工具、数据与数据平台、数据预处理、关联分析、决策树、贝叶斯分类和神经网络。通过循序渐进地讲解数据挖掘可使用的工具、数据存储及分析环境、原始数据可能存在的问题及相应的预处理方法、数据挖掘经典算法等相关知识，使读者对数据挖掘有整体的认识和了解。此外，《数据挖掘方法与应用》以解决问题为目的，结合实例阐述了使用IBM SPSS Modeler和R软件进行数据挖掘的方法与步骤，便于读者更好地理解和掌握。 《数据挖掘方法与应用》可作为统计学、大数据等相关专业高年级本科生及硕士研究生数据挖掘课程的教材，也可作为其他数据挖掘爱好者的参考用书。

徐雪琪，经济学博士，浙江工商大学统计与数学学院副教授、硕士生导师。主要学习和研究领域有：社会经济统计与应用研究、数据挖掘、大数据。现为本科生讲授统计学原理、企业经济统计学、数据仓库与数据挖掘等课程；为研究生讲授数据挖掘实务、数据挖掘方法与应用等课程。

前 言 数据挖掘出现于20世纪80年代后期，随着信息化技术的持续发展，它不断汲取统计学、机器学习、数据库技术、人工智能、模式识别和数据可视化等多学科领域的知识，无可争议地成为当今利用大数据分析获取知识的核心利器。 本教材是浙江省“十三五”优势专业(经济统计学)、浙江省一流学科(统计学)、浙江省优势特色学科(统计学)的建设成果之一，具有以下显著特点： (1) 重视数据挖掘项目实现的整个流程，除了包含数据挖掘的经典理论与方法，还详细介绍了数据挖掘工具、挖掘的数据类型和存储环境、大数据平台及数据预处理方法。 (2) 重视数据挖掘理论和方法的基本思想，在不失严谨的前提下，略过了一些复杂程度高，但又不影响理解的数学推导，将各个知识点言简意赅地阐述透彻。 (3) 重视实际案例应用及实现，每类方法结合多个案例，以运用恰当的方法解决实际问题为导向，以培养分析问题能力为重点，详细介绍IBM SPSS Modeler和R软件的实现过程。 本教材共分为8章：第1章为数据挖掘概述，主要介绍数据挖掘的发展历程、相关技术与发展趋势等；第2～3章主要介绍数据挖掘工具、数据类型及数据平台；第4章介绍数据预处理相关技术；第5～8章介绍了各种数据挖掘经典算法原理、案例应用及实现。 本教材主要针对统计学、大数据相关专业的高年级本科生和硕士研究生编写，以学生深入理解并掌握数据挖掘的基本方法、了解相关的应用环境、熟练运用相关软件进行数据挖掘为目标，也可作为其他各专业读者学习数据挖掘方法与应用的教材或参考书。 本教材教学资源丰富，除了教学课件之外，还提供了每章的案例数据，读者可以通过ht...