英文原版的《Introduction to Data Mining》真的是数据挖掘入门里比较经典的一本。Vipin Kumar 和 Michael Steinbach 写的，结构清晰，重点突出，也不绕。你要是对分类、聚类、关联这些概念还一头雾水，看它准没错。
书里的例子蛮贴地气的，基本不会让你看得头大。尤其是像聚类和异常检测这块，用了不少日常数据场景来讲，容易上手。如果你之前没接触过数据挖掘，也能跟得上节奏。
分类算法讲得细，从决策树到 k 近邻，原理说得透，代码实现也有提示。你可以直接用它的思路在 Python 里撸一遍试试。嗯，还有关联规则挖掘，比如 Apriori 算法，讲得也蛮清楚的，不枯燥。
有些章节的配套例子你可以自己跑一下，理解会更快。比如讲到距离度量的地方，建议你实际画图或者跑个小程序，感受下欧式距离和曼哈顿距离的差别。
如果你正在准备机器学习、数据相关的项目，这本书当作工具书放在手边还是挺香的。建议和网上的代码资源搭配看，比如这个聚类与距离度量的文章，配合使用更顺。