本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况， 讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书 还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技 术现在已得到了广泛的运用。 通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以 作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。

陶建辉，现任IT信息科技公司总经理，历任数据服务公司（上海市大数据产业技术创新战略联盟成员单位）副总经理、DEC/Compaq/HP技术顾问、高级技术顾问、部署研究所课题组长等。 复旦大学计算机软件学士、硕士，27年IT从业经验，包括信息系统的分析、设计、开发和运维等。

前 言 数据挖掘是知识发现不可缺少的部分，是将未加工的数据转换为有用信息的过程。为了贯彻国家大数据战略，尽快帮助高职院校学生学习和掌握数据挖掘的基本知识以及基本应用技能，我们以通俗、简明并结合实际应用的方式编写了《数据挖掘基础》教材。 《数据挖掘基础》教材讲述了数据挖掘概念、数据挖掘的常用方法，包括分类方法、聚类方法和关联规则方法。此外，本教材还从实际应用出发，讲解了日志的挖掘与应用方法。 分类是数据挖掘中的一种重要方法，在给定数据基础上构建分类函数或分类模型，该函数或模型能够将数据归类为给定类别中的某一类别，就是分类。一般通过构建分类器实现具体分类，分类器是对样本进行分类方法的统称。本教材将对分类的基本概念及知识，如决策树、分类器、贝叶斯分类器、支持向量机等内容进行讲解和研究。 聚类的过程，就是将相似数据归并到一类的过程，形成同类对象具有共同特征，不同类对象之间有显著区别。聚类的目的是通过数据间的相似性将数据归类，并根据数据的概念描述来制定对应的策略。本教材将对聚类基本概念及常用算法进行讲解，着重研究了聚合分析方法，并介绍了聚类方法应用场景。此外，还详细讲解了聚类方法的实现例子。 关于关联规则，我们从营销界流传的“啤酒与尿布”经典案例入手，介绍关联规则的概念、定义和分类，并分析了关联规则的挖掘过程，包括频繁项集产生、强关联规则和关联规则评价标准，重点介绍了关联规则最为经典的算法—Apriori算法，并分析了关联规则挖掘技术在国内外的应用现状，以及关联规则挖掘实例。 日志分析挖掘的综合实战章节讲述了日志概念、日志处理、日志分析原理及工具、日志挖掘应用，以及日志分...