本书以项目为导向，全面介绍数据挖掘与机器学习的流程和Python数据分析库的应用，详细讲解利用Python解决实际问题的方法。项目一介绍搭建数据挖掘与机器学习的编程环境；项目二利用农产品信息可视化分析项目介绍NumPy、pandas与Matplotlib库的应用；项目三至项目八利用真实项目，介绍线性回归、逻辑回归、决策树、随机森林、朴素贝叶斯、K近邻、聚类分析、神经网络；项目九结合之前所学的数据挖掘与机器学习技术，进行企业综合案例数据分析。各项目都包含了实训或课后作业，通过练习和操作实践，帮助读者巩固所学的内容。
本书适合作为高等职业院校大数据技术、人工智能技术应用、软件技术等相关专业的教材，也可作为大数据技术爱好者的自学用书。

项目一 搭建数据挖掘与机器学习编程环境
任务一 安装Python
任务描述
相关知识
一、初识数据挖掘与机器学习
二、初识Python
三、了解Python的Anaconda发行版
任务实施
一、在Windows操作系统中安装Anaconda发行版
二、体验Jupyter Notebook
任务二 安装PyCharm
任务描述
相关知识
一、初识PyCharm
二、PyCharm中的输入与输出
任务实施
一、安装PyCharm
二、使用PyCharm
三、建立一个PyCharm项目
项目总结
课后作业
项目二 农产品信息可视化分析——NumPy、pandas与Matplotlib库
任务一 分析农产品类型情况
任务描述
相关知识
一、创建数组对象
二、数组基本操作
任务实施
一、用水稻类型数量创建数组
二、对品种数量进行排序
三、分析水稻类型数量的占比情况
任务实训
实训一 分析小麦类型数量
任务二 处理农产品基本信息数据
任务描述
相关知识
一、数据读取与写入
二、pandas数据结构
三、pandas数据处理
任务实施
一、读取农产品基本信息数据
二、缺失值检测与处理
三、异常值检测与处理
四、重复值检测与处理
五、存储数据
任务实训
实训二 处理小麦基本信息数据
任务三 分析农产品数量情况
任务描述
相关知识
一、基础语法和常用参数
二、绘制基本图形
任务实施
一、分析省级以上部门审定数量
二、分析水稻品种数量
三、分析各地审定水稻品种分布
四、分析水稻品种数量发展趋势
任务实训
实训三 分析小麦生长情况
项目总结
课后作业
项目三 建筑工程混凝土抗压强度检测——线性回归
任务一 构建建筑工程混凝土抗压强度检测模型
任务描述
相关知识
任务实施
……
项目四 电商平台运输行为预测——逻辑回归
项目五 加工厂玻璃类别识别——决策树、随机森林
项目六 运输车辆安全驾驶行为分析——朴素贝叶斯、K近邻
项目七 新闻文本分析——聚类
项目八 中草药识别——神经网络
项目九 电信运营商用户分析
附录A NumPy库
附录B pandas库
附录C Matplotlib库
附录D sklearn库
参考文献