本书以数据挖掘理论方法为核心，重点围绕分类与回归、时间序列预测、关联规则挖掘、聚类、离群点检测的原理、方法、实现与实践展开。全书包括六章，详细介绍了数据挖掘含义、步骤、任务与准备，及数据挖掘的五大任务。这五大任务涵盖了决策树及其集成方法（如随机森林、Xgboost）、回归方法（包括各类回归）、支持向量机、各类神经网络（如ANN、图神经网络等）、贝叶斯模型（如朴素贝叶斯、贝叶斯信念网络）、一维时间序列预测、多维时间序列预测方法、Apriori算法、FP-growth算法、K-means聚类系列、层次聚类、基于密度的聚类、神经网络聚类、模糊聚类、离群点检测方法。

本书可作为大数据管理、数据科学类的本科教材，也可作为相关领域研究人员的参考书。