《数据挖掘方法与应用》第1章对数据挖掘进行了概述，包括数据挖掘的定义、重要性、功能、步骤和常用方法等。第2章和第3章介绍了两种数据挖掘中常用的指导的学习算法、关联规则和聚类分析，它们处理的数据的特点是没有独立的需要预测或分类的变量，而只是试图从数据中发现一些固有的模式。关联规则就是要发现两个或多个事物之间的联系；聚类分析就是要把数据中具有相似性质的放在一类，而不同类之间尽量做到有较大的不同。第4章和第5章介绍了两种数据挖掘中常用的指导的学习算法、决策树和神经网络。它们处理的数据含有独立的需要预测或分类的变量，它们的目的就是寻找一些自变量的函数或算法对数据进行准确的预测或分类。决策树方法在对数据处理的过程中，将数据按照树状结构分成若干分枝形成决策规则；神经网络在一定程度上模仿了人脑神经系统处理信息，存储以及检索的功能，它是一个非线性的映射系统。第6章和第7章介绍了两种数据挖掘中常用的传统统计的方法，回归分析和时间序列。
随着社会经济的不断发展、科学技术的不断进步，统计方法越来越成为人们必不可少的式具和手段。在教学过程中，老师们也越来越感到运用统计方法解决实际问题的重要，不少人在探索如何运用统计软件介绍和学习统计方法。谢邦昌教授、黄登源教授在多年的教学中，积累了丰富的经验，他们热情倡议，将他们的讲稿提供出来并编写成教材，供更多的人学习和使用。这正与我们的初衷不谋而合。2005年开始着手这套系列教材的编写，经过不断讨论、反复的论证，形成了现在的模式。