数据挖掘教学大纲.docx
《数据挖掘教学大纲.docx》由会员分享,可在线阅读,更多相关《数据挖掘教学大纲.docx(2页珍藏版)》请在冰点文库上搜索。
Data Mining
课程代码:
课程性质:
专业方向理论课/选修适用专业:
统计学开课学期:
7
总学时数:
32总学分数:
2
编写年月:
2007年7月修订年月:
2007年7月执笔:
王振友、余杨本课程目的主要是让学生在学习期间掌握数据挖掘理论以及如何用数据挖掘来解决实际问题,了解某个数据挖掘解决方案对特定问题是否切实可行,学习知识发现的过程,利用基本的统计和非统计技术评估数据挖掘对话的结果等。
重点掌握几种数据挖掘策略及每种策略的适用时机;如何通过几种数据挖掘技术建立模型来解决问题;
本课程要求学生从理论上掌握数据挖掘理论的有关知识,在实践过程中能利用数据挖掘工具iDA
软件包和一些用于数据挖掘的数据集进行数据挖掘并解释数据挖掘的输出结果。
通过该课程的学习能独立完成数据挖掘的研究工作来解决实际问题。
第一章数据挖掘:
初探(2学时)
一、数据挖掘定义二、计算机可以学习什么三、数据挖掘是否适合自身的问题四、一个简单的数据挖掘处理模型五、数据挖掘应用第二章数据挖掘:
深入探讨(4学时)
一、数据挖掘策略二、有指导的数据挖掘技术三、关联规则四、聚类技术五、评估性能第三章基本数据挖掘技术(4学时)
一、决策树二、生成关联规则三、K-平均值算法四、遗传学习第四章基于Excel的数据挖掘工具(4学时)
一、iData分析器二、ESX:
一种多用途的数据挖掘工具三、iDAV格式的数据挖掘四、用于无指导聚类的5步法五、用于有指导学习的6步法六、生成规则技术七、实例典型性第五章数据库中的知识发现(4学时)
一、一种KDD过程模型二、步骤1:
目标定义三、步骤2:
创建目标数据集四、步骤3:
数据预处理五、步骤4:
数据转换六、步骤5:
数据挖掘七、步骤6:
解释和评估八、步骤7:
采取行动九、CRISP-DM过程模型九、ESX实验第六章数据仓库(2学时)
一、操作型数据库二、设计数据仓库三、联机分析处理四、用Excel数据透视表分析数据第七章形式评估技术(4学时)
一、评估对象二、评估工具三、计算检验集置信区间四、比较有指导学习模型五、属性评估六、无指导评估技术七、评估具有数值输出的有指导模型第八章神经网络(2学时)
一、前馈神经网络二、神经网络训练:
概念介绍三、一般考虑四、神经网络训练:
详细说明第九章使用iDA建立神经网络(2学时)
一、反向传播学习的4步法二、神经网络聚类4步法三、使用ESX进行神经网络簇分析第十章统计技术(2学时)
一、线性回归分析二、对数回归三、贝叶斯分类器四、聚类算法五、启发式的统计算法第十一章专门技术(2学时)
一、时间序列分析二、挖掘Web
三、挖掘文本数据四、改进性能三、课程教学的基本要求本课程是统计学专业的重要专业方向理论课。
在教学方法上,采用课堂讲授,课后自学,课堂讨论等教学形式。
(一)课堂讲授本课程属于专业方向理论课程。
在传授知识原理的前提下,配合实际应用例子,由浅入深善于诱导,使学生从被动吸收知识的状态下,转化到主动索取知识的状态中来,并采用多媒体辅助教学,加大课堂授课的知识含量。
注重培养学生的学习兴趣,提高学生的基本素质。
(二)课后自学为了培养学生整理归纳,综合分析和处理问题的能力,每章都安排一部分内容,课上教师只给出自学提纲,不作详细讲解,课后学生自学。
(三)课堂讨论课堂讨论的目的是活跃学习气氛,开拓思路。
教师应认真组织,安排重点发言,充分调动每一名同学的学习积极性,做好总结。
(四)课外作业为了让学生巩固所学的知识,每章都布置一定数量课外作业。
总评成绩:
平时作业占30%,闭卷考试占70%。