"随着人工智能的飞速发展，特别是大语言模型的广泛应用，结合教学实践的反馈，本书在第1版基础上进行全面修订，系统介绍数据挖掘经典算法和机器学习主流算法，并为经典算法、应用案例和实验题目均提供相关实验数据和Python代码实现，特别是大模型在数据挖掘中的应用。通过经典算法、大模型应用、Python实现和实际项目应用“四位一体”，强化数据挖掘和机器学习算法的理解和掌握，对经典算法做到“精”和“通”。全书共13章，大致分为3部分，第1部分（第1～6章）介绍数据挖掘的基础知识（数据挖掘过程、数据探索和数据预处理）和经典算法（关联规则、聚类、分类等）；第2部分（第7～9章）介绍机器学习的经典算法（集成学习、神经网络与深度学习、强化学习）；第3部分（第10～13章）是算法应用部分，介绍4个真实案例，包括大语言模型及微调技术、阿里百炼平台和华为云ModelArts平台的大语言模型微调技术及情感识别分类应用等。 　　本书作为高等院校信息类以及相关专业的高年级本科生和研究生教材，也可供对数据挖掘、机器学习和大语言模型感兴趣的工程技术人员阅读参考。 "

　　 　　 　　 　　 　　 　　 　　自本书第1版于2020年出版以来，人工智能发展迅猛，成为科技领域的最大亮点。人工智能经历了从技术突破到产业落地的全面跃升，成为驱动全球经济社会变革的核心力量；大语言模型爆发，展示出强大的语言理解与生成潜力，模型性能持续优化。数据挖掘是计算机科学和人工智能中非常重要的一个领域，融合了数据库、人工智能、统计学、机器学习、模式识别等多领域的理论与技术，大数据和人工智能更是已经上升到国家战略。 　　人工智能的发展也促使了数据挖掘技术的进步，特别是大语言模型的广泛应用，结合教学实践的反馈升级，本书第2版在第1版的基础上全面修订，全面调整了本书的内容和结构，保留了数据挖掘的经典算法内容（数据探索与预处理、关联规则、聚类分析和分类等），删减了部分陈旧而网络上容易获得的基础算法描述和Python程序实现，删去了部分陈旧的案例项目，并将部分经典算法代码通过电子形式提供。为了适应人工智能技术的广泛应用，本版增加并强化了集成学习、神经网络、深度学习、强化学习和大语言模型等人工智能的理论和实践等内容，增加了大语言模型微调和数据挖掘项目案例，每章还增加了实验题目便于读者实践练习使用。同时本书中提供的经典算法、应用案例和实验题目均配有相关实验数据和Python程序代码。 　　本书作为该领域的基础教材，内容上除了尽可能涵盖数据挖掘经典算法及应用，及时反映人工智能技术发展的前沿，增加机器学习算法和大语言模型的内容。全书共13章，大致分为3个部分：第1部分（第1～6章）介绍数据挖掘的基础知识（数据挖掘过程、数据探索和数据预处理）和经典算法（关联规则、聚...