《数据分析与挖掘算法：Python实战》是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。 《数据分析与挖掘算法：Python实战》的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。 本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2 章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。 《数据分析与挖掘算法：Python实战》适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。

第1章 数据分析概述 1 1.1 什么是数据挖掘 2 1.2 数据挖掘与数据分析的关系 6 1.3 数据挖掘与机器学习的关系 8 1.4 机器学习算法简介 13 第2章 数据思维 19 2.1 数据思维认知 21 2.2 数据思维认知的主观性与客观性 26 2.3 数据挖掘“定律” 29 第3章 逻辑回归 37 3.1 逻辑回归基础：从线性回归到逻辑回归 38 3.2 逻辑回归函数构建 41 3.3 逻辑回归问题求解 46 3.4 逻辑回归模型评估 49 3.5 Python代码实现 55 第4章 决策树 65 4.1 决策树基础 66 4.2 决策树算法 70 4.3 Python代码实现 86 第5章 朴素贝叶斯 95 5.1 概率论基础 96 5.2 从贝叶斯公式到朴素贝叶斯分类 100 5.3 Python代码实现 106 第6章 聚类分析 113 6.1 聚类分析基础 115 6.2 聚类算法 121 6.3 Python代码实现 128 第7章 关联规则 137 7.1 ��联规则基础 140 7.2 关联规则算法 143 7.3 Python代码实现 147 第8章 人工神经网络 151 8.1 人工神经网络基础 153 8.2 BP（误差逆传播前馈）神经网络 158 8.3 Python代码实现 164 第9章 集成学习 169 9.1 集成学习基础 170 9.2 集成学习算法 174 参考资料 181