本书涵盖数据挖掘的基础原理、方法技术，以及数据挖掘在财务领域的具体决策应用场景。内容由浅入深、层层递进，既有理论的讲解和案例的探讨，又有案例的推演和应用。本书良好的体系框架和内容框架设计，有助于读者理解数据挖掘技术在财务决策中的内在价值，实现所学知识的有效转化。 本书内容从逻辑上分为三部分：第一部分是概述及数据挖掘工具介绍，第二部分系统阐述各类数据挖掘技术，第三部分聚焦财务决策综合案例。读者可根据自身知识基础、专业方向与兴趣爱好，有针对性地进行阅读。 本书既可作为普通高等院校会计学、财务管理、审计学等专业的数据挖掘、财务决策等相关课程的教材，适合本科生和研究生学习使用，也可作为会计从业人员的专业培训教材和业务学习资料。

高等院校教师

目 录
前言
第1 章　概述
1.1　数据挖掘概述/001
1.2　数据挖掘基本技术/005
1.3　数据挖掘在财务决策中的应用/010
本章练习/017
第2 章　数据挖掘工具
2.1　数据挖掘工具介绍/018
2.2　Python 程序基础/021
2.3　scikit- learn /040
本章练习/052
第3 章　认识数据与数据预处理
3.1　认识数据/053
3.2　数据预处理/069
3.3　本章小结/084
本章练习/084
第4 章　分类与预测
4.1　基本概念与知识/085
4.2　回归模型/087
4.3　决策树/105
4.4　Bayes 分类器/115
4.5　LMSE 分类器/118
4.6　支持向量机/123
4.7　基于支持向量机模型的预测与分析/125
4.8　神经网络/131
4.9　基于神经网络的股价走势预测和分析/136
本章练习/144
第5 章　聚类分析
　　　　5.1　基本概念与知识/147
5.2　K- Means 聚类法/148
5.3　PAM 聚类法/152
5.4　层次聚类法/156
本章练习/159
第6 章　推荐算法
6.1　推荐算法概述/161
6.2　推荐算法分类/171
6.3　算法评估/177
6.4　财务决策——推荐算法建模/181
本章练习/187
第7 章　离群点检测
7.1　离群点概述/188
7.2　离群点检测方法/191
7.3　财务决策——离群点检测建模/203
本章练习/206
第8 章　财务决策案例——财务舞弊识别
8.1　财务舞弊概述/207
8.2　财务舞弊数据收集/210
8.3　财务舞弊数据预处理/221
8.4　财务舞弊建模/225
本章练习/231
参考文献