理 论 篇<br>第1章 数据挖掘概述3<br>1.1　数据挖掘的基本概念4<br>1.2　数据挖掘的起源与发展7<br>1.3　数据挖掘的应用产业与行业11<br>1.4　数据挖掘相关的几个概念19<br><br>第2章 数据挖掘任务和方法26<br>2.1　大数据挖掘的任务27<br>2.2　数据挖掘的常见方法33<br><br>工 具 篇<br>第3章 数据挖掘平台PMT57<br>3.1　PMT概述58<br>3.2　PMT使用说明72<br>3.3　PMT的特点74<br><br>第4章 数据挖掘认知实验80<br>4.1　分类预测认知实验81<br>4.2　回归预测认知实验84<br>4.3　聚类分析认知实验88<br>4.4　关联规则认知实验91<br>  <br>实 训 篇<br>实训1 基于时间序列的分仓商品需求预测99<br>实训背景100<br>实训分析100<br>核心知识点101<br>实训步骤104<br>拓展与思考118<br><br>实训2 基于聚类分析（K-means）的快递企业客户群识别119<br>实训背景120<br>实训分析120<br>核心知识点121<br>实训步骤122<br>拓展与思考140<br><br>实训3 基于关联规则的超市顾客购物行为分析142<br>实训背景143<br>实训分析143<br>核心知识点143<br>实训步骤144<br>拓展与思考154<br><br>实训4 基于决策树的电信流失客户预警与分析155<br>实训背景156<br>实训分析156<br>核心知识点157<br>实训步骤161<br>拓展与思考178<br><br>实训5 基于神经网络算法的共享单车需求预测180<br>实训背景181<br>实训分析181<br>核心知识点182<br>实训步骤184<br>拓展与思考200<br><br>实训6 基于逻辑回归算法的信用风险预测201<br>实训背景202<br>实训分析202<br>核心知识点203<br>实训步骤204<br>拓展与思考215<br><br>实训7 深度学习在图像识别及图像分类领域中的应用217<br>实训背景218<br>实训分析218<br>核心知识点219<br>实训步骤220<br>拓展与思考232<br><br>参考文献233