数据挖掘与财务决策 / 新文科·智能会计系列教材
定价：￥53.00
作者： 刘雪娟，姚文韵
出版时间：2026-06-23
出版社：机械工业出版社
- 机械工业出版社
- 9787111810940
- 1-1
- 2026-06-23
- 315
内容简介
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。
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。
目录
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
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
