本书为数据挖掘入门级教材, 共分8章, 主要内容分为三个专题: 技术、数据和评估。技术专题包括决策树技术、K-means算法、关联分析技术、神经网络技术、回归分析技术、贝叶斯分析、凝聚聚类、概念分层聚类、混合模型聚类技术的EM算法、时间序列分析和基于Web的数据挖掘等常用的机器学习方法和统计技术。数据专题包括数据库中的知识发现处理模型和数据仓库及OLAP技术。评估专题包括利用检验集分类正确率和混淆矩阵, 并结合检验集置信区间评估有指导学习模型, 使用无指导聚类技术评估有指导模型, 利用Lift和假设检验比较两个有指导学习模型, 使用MS Excel 2010和经典的假设检验模型评估属性, 使用簇质量度量方法和有指导学习技术评估无指导聚类模型。