"本书以数据挖掘为核心主线，结合石油勘探开发的实际应用深入探讨数据挖掘技术的基础知识、原理和技术。内容上既注重理论原理的阐述，又强调数学基础的培养，同时融合实践应用，使学生能够全面掌握数据挖掘的核心概念和算法。本书采用Python作为实现语言，对算法的实现进行具体阐述，旨在提高学生的实践能力和应用水平。 本书分为11章。第1、2章为数据挖掘概述和数据仓库基本概念； 第3、4章分别为数据预处理和可视化，培养学生的数据处理技能； 第5、6章从分类、预测和聚类角度培养学生的数据归纳技能； 第7~10章分别为关联规则挖掘、文本抽取算法、推荐算法和网络数据挖掘，通过常见案例启发学生的数据底层规律发掘技能； 第11章为综合案例。 本书结合数据挖掘基本原理与石油勘探开发过程的应用案例，适合能源类高校的计算机相关专业或石油相关专业本科生、研究生以及相关专业人员阅读使用。 "

宋弢，教授、博士生导师，长期从事生物计算理论、模型与装置研究，并在药物研发、药物装载等领域开展应用。主持国家级青年人才项目 1 项，国家级科研项目 3 项，省部级人才项目 2 项，省部级科研项目 11 项，主持欧盟 Horizon 2020 项目子课题 1 项，参与其他国家及省部级科研项目 7 项，承担/参与山东省教改项目重点类项目1项，一般项目2项。在 Nanoscale，Information Sciences，AAAI（CCFA 类）等国内外重要学术期刊和会议发表学术论文 70 余篇。研究成果获教育部自然科学一等奖 1 项、科技进步二等奖 1 项，中国计算机学会 CCF 科技进步杰出奖 1 项，国际膜计算学会**应用成果奖 1 项，第 48 届日内瓦国际发明银奖 1 项，山东省高等教育教学成果奖一等奖1项，校级教学成果奖一等奖、二等奖各1项。主编出版国内第一本智能药物研发中文专著《智能药物研发——新药研发中的人工智能》（2022 年清华大学出版社出版，入选京东图书年度热销榜），译著国内第一本膜计算译著《膜计算导论》，编著英文学术专著《Bio-inspired Computing Models and Applications》。

前言 大数据时代，数据已成为最珍贵的资产，是维持竞争力的核心。数据挖掘是指从大规模数据集中发现隐藏在其中的模式、关联、趋势和规律的过程。这些数据集可能包含结构化数据和非结构化数据。数据挖掘运用统计学、人工智能等技术，对数据进行分析和挖掘，以帮助人们更好地理解数据背后的含义，并做出基于数据的决策。作为一个涉及多个学科的交叉领域，数据挖掘在提供决策支持方面的价值日益凸显，它帮助各行各业揭示庞大数据集中的规律性、有趣的趋势以及创新性的模式，实现降本增效。对于石油勘探开发等追求高效率和安全性的行业而言，数据挖掘更是其发展不可或缺的支柱。 本书内容与党的二十大精神相契合，致力于构建人工智能增长引擎。以数据挖掘为核心主线，深入探讨其在石油勘探开发应用中涉及的基础知识和前沿技术。编著团队涵盖人工智能、数据库、数据可视分析、石油工程和地质勘探等多个领域，实现了跨学科交叉，确保了本书的全面性和专业性。本书内容上既注重理论原理的阐述，又强调数学基础的培养，同时融合实践应用，使学生能够全面掌握数据挖掘的核心概念和算法。本书采用Python作为实现语言，具体阐述了实现方法，旨在提高学生的实践能力和应用水平。据编者调查，本书是国内少见的结合数据挖掘与石油勘探开发的教材，适用于能源类高校的计算机相关专业或石油相关专业，为培养具备实践能力和创新意识的专业人才提供了重要支持。 本书共分为11章。第1章为数据挖掘概述，主要介绍数据挖掘的基本概念、主要问题、常用方法等内容。第2章介绍了基于数据仓库的数据挖掘。第3、4章分别为数据预处理、数据可视化，通过气井产量实例系统地培养学生的数据处理技能。第5、...