本书介绍的算法和模型分为四个主要方面: 常用的模型、预测模型、分类与聚类算法、大数据的应用与热点内容研究。 学习大数据模型与应用课程的意义在于: 让学者了解数据模型的建模方法，实现编程的方法与技巧，各类算法对应程序的阅读方法，以达到熟练掌握大数据各类模型的实现方法。 本书可作为数据科学与大数据技术、大数据管理与应用专业、计算机类、信息管理类、电子商务、综合管理类专业的本科教材，也可作为其他相关专业的数据建模教材或者选修教材。本书文字通俗易懂，便于自学，也可作为从事计算机应用、大数据相关专业研究等科技人员基础建模的工具书。

陈燕教授被评为辽宁省教学名师、优秀教师；出版国家级、省级规划教材1部；获得辽宁省科技进步一等奖1项、二等奖7项；辽宁省教学成果奖一等奖1项；二等奖7项；负责辽宁省教学团队1个、辽宁省优势专业1个；主讲4门省级精品课程；发表论文200余篇；发明专利8项、软件著作权23项；出版专著与教材共16部，编著的《数据挖掘技术与应用》为国家级“十二五”规划教材；编著的《数据结构）为科学出版社十四五规划教材。

前言 “大数据模型与应用”不仅是大数据专业的核心课程，也是计算机程序设计的重要理论技术基础和专业基础课程。随着网络、计算机技术与大数据的广泛应用，“大数据模型与应用”课程也逐渐成为其他相关专业的重要主修或选修课。本书是为“大数据模型与应用”课程编写的教材，其内容选择符合教学大纲要求，并兼顾计算机理论及应用、计算机相关专业（学科）（如数据科学与大数据技术、信息管理与信息系统、电子商务、大数据管理与应用等相关专业）的宽泛和深层次的知识点，适用面广。 本书共6章。第1章常用的算法模型及应用——大数据建模的预备知识，描述了部分常用模型的理论、模型及应用、运行程序的模拟动态执行结果，以奠定全书的学习基础；第2章给出了预测模型的框架及各类预测模型的建模及应用；第3章通过关联规则的概念和规则形成的理论及原理，描述了关联规则的案例的计算过程及未来的发展；第4章给出了常用的分类的概念与算法模型的应用；第5章给出了聚类的概念、理论方法与模型应用；第6章介绍大数据应用工具与模型及热点内容研究。 本书除了各章节介绍的各种模型实现方法之外，还给出了每章的重点与难点知识点的微课视频讲授内容；着重从读者的阅读需求出发，将教材中的大多数算法对应程序加上其模拟计算机执行程序的动态显示结果，以达到快速掌握和理解其模型知识点的目的。 本书采用逐步演算和编程运行相结合的方式，并分别使用C语言和Python作为问题对应算法的描述语言。本书对所涉及的多数模型算法均给出了相应的Python实现代码，除此之外，第1章介绍的所有算法还给出了C语言的运行代码，便于读者将算法的逻辑步骤与上机实现步骤进行对照，加深读...