全书内容分为三篇。第一篇（基础篇）主要介绍数据挖掘与量化投资的关系，以及数据挖掘的概念、实现过程、主要内容、主要工具等内容。第二篇（技术篇）系统介绍了数据挖掘的相关技术及这些技术在量化投资中的应用，主要包括数据的准备、数据的探索、关联规则方法、数据回规方法、分类方法、聚类方法、预测方法、诊断方法、时间序列方法、智能优化方法等内容。第三篇（实践篇）主要介绍数据挖掘技术在量化投资中的综合应用实例，包括统计套利策略的挖掘与优化、配对交易策略的挖掘与实现、数据挖掘在股票程序化交易中的综合应用，以及基于数据挖掘技术的量化交易系统的构建。 《量化投资：数据挖掘技术与实践（MATLAB版）》的读者对象为从事投资、数据挖掘、数据分析、数据管理工作的专业人士；金融、经济、管理、统计等专业的教师和学生；希望学习MATLAB的广大科研人员、学者和工程技术人员。

本书是一本利用Python技术，结合人工智能、神经网络和机器学习、遗传算法等互联网技术进行相应行业模型开发的技术图书。 本书第1～4 章主要讲解了利用Python软件分析模型开发的入门知识，包括开发工具的使用、测试技术难点等内容；第5～7 章主要讲解了利用人工智能中的神经网络技术进行技术研发，利用数据挖掘技术完善行业技术模型的数据加载与分析等内容；第8～9 章主要讲解了利用大数据进行技术配置和风险控制等内容；第10～11 章主要讲解了利用机器学习与遗传算法进行相应模型开发等内容。 全书内容专业，案例丰富翔实，是作者多年来利用开发软件和人工智能结合进行相关领域软件开发与探索的最佳结晶。本书不仅适合想利用 Python进行软件开发的用户，也适合有一定经验但想深入掌握人工智能、机器学习技术进行行业应用的用户使用，还可以作为机构培训的优秀教材。

本书是数据挖掘领域的经典著作，数年来畅销不衰。全书从技术和应用两个方面，全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。自从1997年本书第1版出版以来，数据挖掘界发生了巨大的变化，其中的大部分核心算法仍然保持不变，但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所演进。第2版展示如何利用基本的数据挖掘方法和技术，解决常见的商业问题。 本书涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践、数据挖掘的最新进展和一些富有挑战性的研究课题，极具技术深度与广度。配套网站www．data-miners．com／companion提供了每章的练习和用于测试各种数据挖掘技术的数据。全书语句凝炼、清新，对复杂概念的实际应用进行了生动解释，是必不可少的...(展开全部)

本书介绍数据挖掘理论与应用过程。在基础理论部分，主要内容包括数据挖掘的基本概念、数据挖掘的预处理、聚类分析、分类和回归算法、关联规则挖掘、异常检测；在应用部分，结合通信行业、Web内容挖掘等具体实例讨论数据挖掘方法的实际应用。本书附录中特别介绍了数据挖掘10个经典算法和10个挑战问题。

本书介绍数据挖掘理论与应用过程。在基础理论部分，主要内容包括数据挖掘的基本概念、数据挖掘的预处理、聚类分析、分类和回归算法、关联规则挖掘、异常检测；在应用部分，结合通信行业、Web内容挖掘等具体实例讨论数据挖掘方法的实际应用。本书附录中特别介绍了数据挖掘10个经典算法和10个挑战问题。

《数据挖掘:概念与技术(影印版)》是由高等教育出版社出版。

●全面实用地论述了从实际业务数据中抽取出的读者需要知道的概念和技术。 ●更新并结合了来自读者的反馈、数据挖掘领域的技术变化以及统计和机器学习方面的更多资料。 ●包含了许多算法和实现示例，全部以易于理解的伪代码编写，适用子实际的大规模数据挖掘项目。

《数据挖掘:概念与技术(影印版)》是由高等教育出版社出版。

●全面实用地论述了从实际业务数据中抽取出的读者需要知道的概念和技术。 ●更新并结合了来自读者的反馈、数据挖掘领域的技术变化以及统计和机器学习方面的更多资料。 ●包含了许多算法和实现示例，全部以易于理解的伪代码编写，适用子实际的大规模数据挖掘项目。

本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。