本书是一本全面介绍数据挖掘技术的专业书籍，系统地阐述了数据挖掘的相关概念、原理、算法思想和算法的Python代码实现。全书共分为15章，各章相对独立成篇，以利于读者选择性学习。15章内容分别为绪论、NumPy科学计算库、pandas数据分析库的数据结构、pandas数据读写与可视化、pandas数据整理、pandas数据分析、决策树分类、贝叶斯分类、支持向量机分类和K近邻分类、神经网络分类、回归、聚类、关联规则挖掘、推荐系统、电商评论网络爬取与情感分析等内容。 本书可作为高等院校各专业的数据挖掘、数据分析课程教材，也可作为数据挖掘、数据分析人员的参考书。

曹洁，讲师，硕导，同济大学博士毕业，主要研究方向：并行分布式处理，大数据技术，机器学习。近年来，主持河南省省科技公关项目1项，参与国家自然科学基金项目3项，参与省科技进步三等奖1项，以第一作者在软件学报、计算机研究与发展等国内外SCI、EI期刊上发表论文6篇，已授权发明专利1项。在教学上以第2身份参与省教学改革项目3项，主持郑州轻工业大学青年教改项目1项，主编出版大数据技术、数据分析方面的教材11部，其中省部级规划教材5部。

前言 随着物联网、移动互联网、智能终端、Web 2.0、云计算和大数据等新兴信息技术的快速发展，以社交网络、社区、博客和电子商务为代表的新型应用得到广泛使用，这些应用不断产生大量的数据。人们往往期盼了解大数据中所隐含的有价值的知识和数据间有价值的潜在联系，“数据挖掘”是实现这些期盼的有力工具。 数据挖掘是一个在海量数据中利用各种分析工具发现模型与数据间关系的过程，它可以帮助决策者寻找数据间潜在的某种关联，发现被隐藏和被忽略的因素，因而被认为是在这个数据爆炸时代深层次认识数据、有效利用数据的一种有效方法。 Python具有开源、简洁易读、快速上手、多场景应用以及完善的生态和服务体系等优点，使其在挖掘领域中的地位显得尤为突出，Python已经当仁不让地成为数据挖掘人员的一把“利器”。 1. 本书编写特色  内容系统全面： 全面介绍了数据挖掘的经典和主流算法。  原理浅显易懂： 循序渐进地阐述了各类数据挖掘算法的原理。  配套视频教程： 提供配套视频讲解数据挖掘算法实现。  算法代码实现： 使用Python 3.7.x实现书中所有算法。 2. 本书内容组织 第1章 绪论。本章主要介绍什么是数据分析，什么是数据挖掘，数据挖掘的步骤，数据挖掘的典型应用和数据挖掘的主要挑战。 第2章 NumPy科学计算库。本章主要介绍ndarray多维数组，数组元素的索引、切片和选择，随机数数组，数组的运算，以及读写数据文件。 第3章 pandas数据分析库的数据结构。本章主要介绍Series结构，DataFrame结构，读取、修改和删除DataFrame的数据，以...