书籍介绍
10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。
本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。
基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。
实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。
目录
用户评论
入门推荐，虽然缺点很明显，没有算法介绍，但是实例分析流程介绍非常详细，可以和算法、编程类书籍参照看
对数据挖掘可以有个基本了解，也有代码可以实操，对于原理讲解较少
优点所在：
1，基础理论的内容对于新手而言还是挺有帮助的，
2，能从实际场景介入入手讲解，有个前因后果的介绍
不足之处：
1，本来想看看建模的，还是有些失望！
2，这种执行方法为何要选择这种方式没有细化
在微信读书上看的，现在有点忘记了。记得前半部分python的介绍挺好的。
错误较多。案例还可以，但是过于拼凑了，比如最后情感分析，过于潦草了，很难学到什么干货。
3.7/5，理论篇写得太浅显，实战篇代码还用Python2写的，我改代码改得很痛苦。建议是系统学习相关理论后，将本书作为案例参考来阅读，问题的分析思路很值得借鉴。
https://gitee.com/gggdttt/python_data_analysis_and_mining_action?_from=gitee_search
消除了对python的陌生感，建立了对数据挖掘的基本认识…做入门吧，路漫漫兮。
对数据分析、机器学习各方面都点到了，但也只是点到为止。适合入门级的粗读一遍，留个概念，没什么值得推敲的东西。但是作为第一遍读的书，其实写的又不够通俗易懂，通俗和专业都没有占到，个人是有基础了再来看的，有些地方写的不清楚的也能明白想表达什么，对于没基础的就不行了，会被搞晕。重点地方全部跳过，代码不写，表意也不清，像给了roc一节，却不说什么是roc；写apriori代码事例，结果一句导入自行编写的apriori就算完了，中间关键的代码实现全部隐去。建议不要浪费时间读这本书了，另外，书里的错字，表述的小问题太多了，印象不好。一本，没有用心的书。
打四星，有基础理论有实践，是一本实用的入门书。
前面5章是基础部分的数据处理过程、数据挖掘方法以及python的基本语法和逻辑。数据处理过程包括数据清洗与补全、数据规约、数据变换等，数据挖掘方法包括分类与预测、聚类、关联挖掘、时序模型以及离群点检测。
从第6章开始就是根据前面的基础理论进行应用的展示。主要是根据要处理问题的目标，抽象出模型和关联指标，然后就是做数据处理（90%的时间都是在做数据清洗），编程处理，不得不说，python的数据处理功能是很强大的，短短几行语句，就可以实现很复杂的功能。
Z-Library