《数据挖掘与机器学习》以应用为导向介绍数据挖掘与机器学习相关理论与方法，包括概述、数据与数据平台、数据预处理与特征工程、关联分析、决策树、集成学习、贝叶斯分类、神经网络与深度学习等相关理论及经典算法，以及相关实践案例。本书所有案例均通过R或Python实现，同时包含详细的分析过程和可视化内容。本书可作为统计学、数据科学与大数据等相关专业高年级本科生和硕士研究生的数据挖掘与机器学习相关课程的教材，也可作为其他数据挖掘与机器学习爱好者的参考用书。

前 言 在数字化浪潮席卷全球的今天，数据已成为驱动社会发展的核心要素。我国在“十四五”规划中明确提出加快数字化发展，推动人工智能、大数据等前沿技术与实体经济深度融合。数据挖掘与机器学习作为这一进程的核心技术，其重要性不言而喻。 《数据挖掘与机器学习》是浙江省登峰学科(浙江工商大学统计学)、国家一流本科专业建设点(经济统计学)、浙江省大数据专业教材研究基地、浙江省普通本科高校“十四五”重点立项建设教材的建设成果之一，具有以下显著特点。 (1) 编写风格简洁明了，结构清晰。本教材每章的知识导图将教材中的重要概念和关键内容以图形化方式显示，从而更直观地呈现知识结构和逻辑。同时，本教材注重阐述关键概念和算法的基本思想，避免过度的公式推导，使读者更容易理解和掌握。 (2) 注重实践，涵盖全流程知识。实践的观点是马克思主义哲学的核心观点，本教材注重实践，不仅阐述了数据挖掘和机器学习的经典理论与方法，还涵盖了实践全流程所需的知识，包括数据类型与存储环境、大数据平台(采集、存储、处理与分析)、预处理与特征工程常用的方法等。 (3) 强化育人功能，注重个性化发展。本教材在内容安排上将价值性与知识性相统一，每章以与该章知识紧密相联的导读开篇，引导读者从国家需求、行业痛点和社会价值等维度思考问题。在个性化发展方面，本教材安排了R与Python两类工具的实践案例，包含详细的分析过程和可视化内容；每章末尾的“拓展”部分，提出了可进一步学习的不同方向，便于读者选择性学习。 (4) 数字化资源丰富，便于学习。本教材教学资源丰富，读者可通过扫描右侧的二维码获取教学课件、案例数据、...