本书共9章，主要内容如下：第1章介绍数据挖掘的基本知识，讲解了数据获取的关键环节以及数据挖掘流程；第2章讲解了数据清洗、数据集成、数据转换与规范化，以及数据规约等数据预处理方法，重视数据挖掘的数据准备工作，强调数据质量对数据挖掘算法性能的影响；第3章讲解了数据仓库和数据立方体的基本概念和系统架构，为处理和分析大规模数据集提供有效工具；第4章讲解了关联规则挖掘的相关知识；第5章讲解了经典的分类算法、回归预测算法、性能评估指标和模型调优方法；第6章讲解了经典的聚类算法；第7章讲解了图数据挖掘、时间序列数据挖掘、大数据与分布式数据挖掘等高级数据挖掘技术，展示了该领域的最新进展；第8章介绍了数据可视化的基本概念、常用工具与技术；第9章介绍了自然语言智能挖掘、医疗大数据智能挖掘、遥感图像智能挖掘等案例，培养学生数据挖掘理论与实践结合的技能。