本书对数据挖掘的基本算法进行了系统介绍，每种算法不仅介绍了算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析，这种理论和实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。 全书共分11章，内容同时涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、Kmeans聚类算法、K中心点聚类算法、神经网络聚类算法以及数据挖掘的发展等内容。 本书可作为高等院校数据挖掘课程的教材，也可以作为从事数据挖掘工作以及其他相关工程技术工作人员的参考书。

1. 理论与实践结合。全书对数据挖掘的基本原理进行了详细而系统的介绍，并且还给出了其实现的源代码和运行结果界面。读者可以通过源程序深入了解算法的原理。 2. 对常见的数据挖掘算法，本书均以例题的方式进行了应用说明，并且还对个算法的优缺点进行了总结，给出了各种算法的具体应用领域。 3. 有配套的课件。

前言 数据挖掘涉及数据库技术、人工智能、统计学、机器学习等多学科领域，并且已经在各行各业有了非常广泛的应用。为适应我国数据挖掘的教学工作，作者在数据挖掘教学实践的基础上，参阅了多种国内外最新版本的教材，编写了本书。本书可以作为高等院校研究生的教材，也可以为相关行业的工程技术人员提供有益的参考。 本书在第1版的基础上对其中欠妥之处进行了修改，内容安排和第1版一致，循序渐进地对数据挖掘原理进行了通俗易懂的讲解。本书最大的特点是理论与实践相结合，全书几乎所有的算法都配有实例和源程序，这种理论与实际相结合的方法克服了重理论轻实践的内容组织方式，便于读者理解和掌握其中知识。具体而言，本书11章内容之间的关系如下图所示。 本书配有教学课件，读者可登录www.tup.com.cn网站自行下载。由于编者水平有限，本书难免存在不少缺点和不足之处，恳请专家和读者批评指正。 编者 2016年9月