理 論 篇第1章 數(shù)據(jù)挖掘概述31.1　數(shù)據(jù)挖掘的基本概念41.2　數(shù)據(jù)挖掘的起源與發(fā)展71.3　數(shù)據(jù)挖掘的應用產(chǎn)業(yè)與行業(yè)111.4　數(shù)據(jù)挖掘相關的幾個概念19第2章 數(shù)據(jù)挖掘任務和方法262.1　大數(shù)據(jù)挖掘的任務272.2　數(shù)據(jù)挖掘的常見方法33工 具 篇第3章 數(shù)據(jù)挖掘平臺PMT573.1　PMT概述583.2　PMT使用說明723.3　PMT的特點74第4章 數(shù)據(jù)挖掘認知實驗804.1　分類預測認知實驗814.2　回歸預測認知實驗844.3　聚類分析認知實驗884.4　關聯(lián)規(guī)則認知實驗91 實 訓 篇實訓1 基于時間序列的分倉商品需求預測99實訓背景100實訓分析100核心知識點101實訓步驟104拓展與思考118實訓2 基于聚類分析（K-means）的快遞企業(yè)客戶群識別119實訓背景120實訓分析120核心知識點121實訓步驟122拓展與思考140實訓3 基于關聯(lián)規(guī)則的超市顧客購物行為分析142實訓背景143實訓分析143核心知識點143實訓步驟144拓展與思考154實訓4 基于決策樹的電信流失客戶預警與分析155實訓背景156實訓分析156核心知識點157實訓步驟161拓展與思考178實訓5 基于神經(jīng)網(wǎng)絡算法的共享單車需求預測180實訓背景181實訓分析181核心知識點182實訓步驟184拓展與思考200實訓6 基于邏輯回歸算法的信用風險預測201實訓背景202實訓分析202核心知識點203實訓步驟204拓展與思考215實訓7 深度學習在圖像識別及圖像分類領域中的應用217實訓背景218實訓分析218核心知識點219實訓步驟220拓展與思考232參考文獻233