前 言
我们正处在一个数据爆炸的时代。据统计，人类在过去两年产生的数据量超过了此前整个历史的总和。面对如此庞大的数据资源，如何从中提取有价值的信息和知识，如何让数据产生价值，如何将数据转化为竞争优势，已成为个人、企业乃至国家发展的关键能力。
随着第四次工业和科技革命的发展，传统的生产方式和生活方式已经发生深刻变革，数据已经成为重要的生产要素，数据驱动的决策模式正在取代传统的经验驱动模式。从电商平台的个性化推荐到金融机构的风险控制，从制造企业的智能生产到政府部门的公共服务，数据挖掘与商务智能技术的应用已经渗透到社会经济的各个领域。
数据科学日益重要，社会对既懂管理又懂技术的复合型人才的需求日益迫切。人文社科类专业本科生、研究生也应顺应时代发展要求，掌握数据科学和人工智能相关专业知识，具备数据思维能力、技术实现能力、业务理解能力和创新应用能力，并能够运用数据科学和人工智能的技术与方法解决复杂的社会科学问题。基于多年教学实践和行业调研，编者深感需要一本既有理论深度又有实践广度的综合性教材。
本书的编写基于问题导向、能力本位、系统集成、与时俱进、循序渐进的核心理念。本书不是为了讲技术而讲技术，而是围绕社会科学实际问题展开，让学生在解决问题的过程中掌握知识和技能。本书通过大量的实践练习和案例，培养学生的实际操作能力和问题解决能力。
在内容组织上，本书构建了完整的知识体系，从商务智能与数据挖掘的理论框架到具体的算法实现，从传统的统计方法到前沿的深度学习技术，层次分明、逻辑清晰。全书以Python为主要技术工具，每个重要概念都配有相应的代码实现，每种算法都提供具体的应用案例，所有代码都经过严格测试，确保读者能够直接运行学习。
在技术内容上，本书不仅涵盖传统的数据挖掘内容，还融入了文本挖掘、深度学习等前沿技术，紧跟技术发展趋势。作为人文社科类专业的教材，本书特别注重社会科学和计算机科学的融合，既讲解技术原理，也分析应用场景，既关注算法效率，也考虑商业价值。
本书适合作为人文社科类专业本科生、研究生的信息类课程基础教材，建议安排在学生已掌握基本计算机语言知识之后使用。对于教师，建议采用“理论+实践+案例”的教学模式，每次课都安排一定的实验操作时间。对于学生，建议按照章节顺序系统学习，每学完一章都要及时完成相应的习题，确保理论知识得到及时巩固。
本书所有实例都基于 Python 3.8 以上版本开发，主要使用 numpy、pandas、scikit-learn、PyTorch等主流开源库。建议读者在学习前先搭建好Anaconda环境，确保能够顺利运行书中的所有代码。对于有一定基础的读者，可以根据需要选择相关章节深入学习；对于从业者，可以将本书作为工具书使用，根据工作需要查阅相关内容。
本书的编写得到了众多同行和师生的大力支持。感谢参与本书审阅的各位学者，他们的专业意见和建设性建议大大提高了本书的质量。在本书代码测试过程中，刘兆健、王乐天、黄志伟、温建春、解雅婷、石朴、杨鹏飞、李云豪等同学的辛勤工作确保了本书所有实例的准确性。感谢出版社编辑团队的专业精神和家人给予的理解和支持。
由于编者水平有限，加之数据挖掘与商务智能技术发展迅速，书中难免存在疏漏和不足之处。我们真诚希望广大读者能够不吝指正，提出宝贵意见和建议。我们将在今后的修订中认真采纳这些意见和建议，不断完善本书的内容和质量。
在这个数据驱动的时代，掌握数据挖掘与商务智能技术不仅是专业发展的需要，更是适应时代发展的必然要求。希望本书能够成为读者在这一领域学习和实践的良师益友，帮助大家在数字化转型的浪潮中把握机遇，用智慧点亮未来，用技术创造价值。
编 者
2025年6月
目 录
第1章 商务智能概述 1
1.1 基本概念 1
1.1.1 商务智能的定义 1
1.1.2 商务智能的发展 3
1.1.3 商务智能的主要功能 4
1.2 框架和流程 5
1.2.1 商务智能的体系框架 5
1.2.2 商务智能系统的处理流程 6
1.3 支撑技术 7
1.3.1 数据仓库技术 7
1.3.2 在线分析处理技术 8
1.3.3 数据挖掘技术 8
1.4 主要应用和发展趋势 9
1.4.1 商务智能的主流软件 9
1.4.2 商务智能的应用场景 11
1.4.3 商务智能的发展趋势 12
小结 13
习题 14
第2章 数据挖掘概述 15
2.1 引论 15
2.1.1 数字社会 15
2.1.2 人工智能的浪潮 16
2.2 数据、信息与知识 16
2.2.1 数据概述 16
2.2.2 信息概述 17
2.2.3 知识概述 17
2.3 基本概念 18
2.3.1 数据挖掘的定义 18
2.3.2 数据挖掘的功能 19
2.3.3 数据挖掘的研究问题 21
2.4 数据类型和来源 21
2.4.1 数据挖掘的数据类型 21
2.4.2 数据挖掘的数据来源 22
2.5 核心技术 23
2.5.1 统计学 23
2.5.2 机器学习 23
2.5.3 信息检索 24
2.6 应用场景与安全问题 25
2.6.1 数据挖掘的应用场景 25
2.6.2 数据挖掘的安全问题 26
小结 26
习题 27
第3章 Python基础 28
3.1 Python环境的搭建 28
3.1.1 Python简介 28
3.1.2 Python环境的配置 29
3.1.3 Python开发工具 32
3.1.4 Python库的安装 34
3.2 numpy库 36
3.2.1 numpy库安装验证 36
3.2.2 NDarray对象创建 37
3.2.3 NDarray数组属性 38
3.2.4 NDarray数据类型 39
3.2.5 NDarray数组切片 40
3.2.6 NDarray高级索引 41
3.2.7 NDarray数组翻转 42
3.2.8 NDarray数组连接 43
3.2.9 NDarray数组分裂 44
3.2.10 NDarray数组计算 44
3.3 pandas库 45
3.3.1 pandas库安装验证 45
3.3.2 pandas库数据结构 46
3.3.3 DataFrame创建 47
3.3.4 DataFrame属性 49
3.3.5 DataFrame读取 50
3.3.6 DataFrame时间序列操作 51
3.3.7 DataFrame修改表结构 52
3.3.8 DataFrame筛选数据 53
3.3.9 DataFrame分组统计 54
3.4 matplotlib库 56
3.4.1 matplotlib库安装验证 56
3.4.2 绘制函数 56
3.4.3 线条的设置 58
3.4.4 坐标轴的设置 60
3.4.5 图例的设置 62
3.5 pyecharts库 65
3.5.1 pyecharts库安装验证 65
3.5.2 绘制图表 65
3.5.3 配置项 67
3.5.4 Web框架整合 70
3.5.5 绘制组合图表 73
小结 75
习题 76
第4章 数据采集与预处理 77
4.1 数据采集 77
4.2 数据的描述性统计 78
4.2.1 集中趋势度量 78
4.2.2 离散趋势度量 80
4.3 数据预处理 83
4.3.1 数据预处理概述 83
4.3.2 数据清洗 83
4.3.3 数据集成 86
4.3.4 数据变换 88
4.3.5 数据归约 91
4.4 数据存储 92
4.4.1 TXT、Excel、CSV 92
4.4.2 数据库 95
4.4.3 云存储 98
4.4.4 数据仓库 100
小结 101
习题 102
第5章 网络爬虫技术 103
5.1 初识网络爬虫 103
5.1.1 网络爬虫概述 103
5.1.2 网络爬虫分类 104
5.1.3 网络爬虫原理 105
5.1.4 网络爬虫约束 106
5.2 Web前端 107
5.2.1 HTTP基本原理 107
5.2.2 HTML语言 111
5.2.3 CSS层叠样式表 115
5.2.4 JavaScript动态脚本语言 116
5.3 数据请求库requests 117
5.3.1 GET请求 118
5.3.2 POST请求 120
5.3.3 添加请求头headers 121
5.3.4 超时设置 121
5.4 数据解析库Xpath 122
5.4.1 Xpath概述 122
5.4.2 Xpath常用路径表达式 122
5.4.3 Xpath解析HTML 123
5.4.4 Xpath获取节点 125
5.4.5 Xpath获取文本 126
5.4.6 Xpath属性匹配 126
5.5 正则表达式 127
5.5.1 匹配规则 128
5.5.2 查找一个匹配项 129
5.5.3 查找多个匹配项 129
5.5.4 分割字符串 130
5.5.5 替换字符串 131
5.5.6 正则表达式对象 132
5.6 爬虫实战：豆瓣电影Top 250 132
小结 136
习题 137
第6章 数据挖掘基础算法 138
6.1 机器学习概述 138
6.1.1 机器学习的定义 138
6.1.2 机器学习的一般方法 140
6.1.3 机器学习的分类 141
6.1.4 过拟合与欠拟合 142
6.1.5 机器学习性能评估 143
6.1.6 scikit-learn简介 146
6.2 回归分析 147
6.2.1 回归分析概述 147
6.2.2 简单线性回归 148
6.2.3 多元线性回归 150
6.2.4 逻辑回归 152
6.3 分类分析 154
6.3.1 分类分析概述 155
6.3.2 基于规则的分类 156
6.3.3 基于最近邻的分类 158
6.3.4 决策树分类 160
6.3.5 贝叶斯分类 163
6.3.6 支持向量机分类 166
6.3.7 随机森林分类 168
6.3.8 人工神经网络 170
6.4 聚类分析 171
6.4.1 聚类分析概述 172
6.4.2 K-means聚类 173
6.4.3 DBSCAN聚类 176
6.5 关联分析 179
6.5.1 关联分析概述 179
6.5.2 关联分析的概念及流程 180
6.5.3 Apriori算法原理 182
6.5.4 Apriori算法实现 184
小结 186
习题 187
第7章 文本挖掘技术 188
7.1 文本挖掘概述 188
7.1.1 文本数据的概念 188
7.1.2 自然语言处理技术概述 189
7.1.3 文本挖掘的定义和难点 190
7.1.4 文本挖掘的过程 192
7.1.5 算法常用库的介绍 193
7.2 数据预处理 194
7.2.1 中文分词 194
7.2.2 数据清洗 196
7.2.3 词性标注 199
7.2.4 特征词选择和权重 199
7.3 情感分析 200
7.3.1 情感分析概述 200
7.3.2 情感分析Python实现——SnowNLP库与朴素贝叶斯算法 201
7.4 主题挖掘 202
7.4.1 主题挖掘概述 203
7.4.2 主题挖掘Python实现——LDA模型 204
小结 209
习题 209
第8章 深度学习 211
8.1 神经网络 211
8.1.1 神经网络结构 211
8.1.2 反向传播算法 214
8.1.3 深度学习的兴起 217
8.2 卷积神经网络 218
8.2.1 从全连接层到卷积 218
8.2.2 卷积神经网络的特性 219
8.2.3 经典卷积神经网络模型 222
8.2.4 基于PyTorch的实现 224
8.3 循环神经网络 228
8.3.1 循环神经网络结构 228
8.3.2 长短期记忆 230
8.3.3 门控循环单元 232
8.3.4 基于PyTorch的实现 233
8.4 图神经网络 237
8.4.1 图基础知识 237
8.4.2 图神经网络模型 239
8.4.3 基于PyTorch的实现 242
小结 243
习题 244
参考文献 245
书单推荐
