本书介绍了体质测试、数据挖掘及运动处方的相关理论与技术。在此基础上，深入研究面向体质测试数据的关联规则挖掘方法，提出了基于事务优化与Hash-tree的改进Apriori算法(DRHA-Apriori)以及基于PI-tree和最小集优化的目标规则生成模型。针对体质测试数据中常见的缺失值问题，构建了数据分类与预测模型选择框架PTC-Frame，并提出了一种融合领域知识与多层感知机的数据预测方法FPG-MLP。在运动处方推荐方面，设计了基于一维残差网络的运动处方推荐方法Res-EPRec，并进一步提出了带优先级的运动处方推荐方法PEPRec，以提供更个性化和精准的运动建议。