《课程_数据挖掘》课程教学大纲.docx

《《课程_数据挖掘》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《课程_数据挖掘》课程教学大纲.docx（5页珍藏版）》请在第一文库网上搜索。

1、数据挖掘DataMining一、课程基本信息学时：32(含实验20学时)学分，2考核方式：考查中文简介：数据挖掘是统计学专业的专业选修课。从数据分析的角度看,统计学主要是通过机器学习来实现数据挖掘，大多数数据挖掘技术都源自机器学习领域，机器学习算法和数据库原理是数据挖掘的两大支撑技术。本课程的学习目的在于使学生掌握数据挖掘的基本概念、基本原理，常用的机器学习算法与数据分析方法，以及它们在工程实践中的应用。为从事数据挖掘、数据分析工作和实践打下必要的基础。二、教学目的与要求数据挖掘作为统计学专业的一门专业选修课，其前续课程有概率论与数理统计、经济预测与决策、数据库管理系统和统计软件应用等。本课程

2、的教学目的在于使学生掌握对数据进行分析和软件应用的能力，培养学生分析数据、获取知识的基本能力。重点掌握以下几个方面的知识：(1)数据挖掘基础知识；(2)分类、预测与回归；(3)聚类分析；(4)关联技术；(5)离群点挖掘；(6)数据挖掘的扩展与应用。三、教学方法与手段1、教学方法数据挖掘理论性较强，涉及较强的理论知识及数学知识，是本专业的具有广阔应用前景的理论课程。在课程的教学过程中，根据教学内容的不同，综合采用多种的教学方法，着重培养学生定性分析、定量估算和模拟实验研究的能力，以更好地完成教学任务。(1)课堂讲授：在课堂讲学的内容方面既要保持理论的系统性，又要注意联系实际社会生产问题，同时将大

3、问题分成几个小问题进行讲解，然后再把小问题组装成大问题让学生更好理解。(2)编程教学：讲授过程中，对于某些算法，老师通过课堂软件操作进行详细讲解，让学生更好的理解和掌握相关技术。(3)课堂讨论：可以对学生分组进行组内讨论，由于与数据挖掘竞赛息息相关，可以以23位学生一组，通过组内队员分析与讲解，提高学生的学习与理解能力，同时培养学生的团队协作能力。(4)启发式教学：在教学过程中以学生为中心进行引导，教师与学生进行互动探讨。教师首先引入实际问题，让学生积极思考，并让学生通过学习教材进行分析与解决该问题，然后教师适当讲解解题思路。教师在讲解过程中鼓励学生多发问，与学生互动探讨在思考该问题时遇到的难

4、点与解决方法，同时对该问题的解决思路及核心算法进行讲解。2、教学手段在教学中采用多种教学手段。(1)多媒体课件：本课程已制作了相应的多媒体演示课件，与传统板书相结合进行讲授。(2)教学网站：目前校外有很多优秀的数据挖掘与机器学习网站，可以指定学生在相关网站注册学习，既增加学生兴趣又可以提高学生在课外自主学习能力。(3)网上答疑：学生可以通过QQ平台或者电子邮件等方式和教师交流，教师及时解答学生的问题。四、教学内容及目标教学内容教学目标学时分配第一章绪论1.5第一节数据挖据与机器学习概述了解0.5第二节经典案例：天气问题与大豆分类理解0.5第三节其它应用领域了解0.5重点与难点：掌握数据弯角的起

5、源、过程与功能，以及面临的主要问题；要求学生对数据挖掘能够解决的问题和解决问题的思路有清晰的认识。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第二章数据挖掘基础知识5.5第一节输入和输出：实例、属性和知识表达了解0.5第二节算法：基本方法理解0.5第三节数据预处理掌握0.5实验一数据清洗掌握4重点与难点：数据信息的呈现形式、基本知识的表达形式；数据清洗、集成、变换和规约等数据预处理方法。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第三章分类、预测与回归7第一节决策树理解0.5第二节贝叶斯分类理解0.5第三节h最近邻分类掌握0.5第

6、四节人工神经网络理解0.5第五节分类与预测算法的评价掌握0.5第六节线性回归、1OgiStiC回归理解0.5实验二决策树模型的生成与预测掌握4重点与难点：数据分类与预测的概念、算法原理及应用；回归分析、模型的拟合和过拟合问题；常用分类与回归算法的原理及其应用。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第四章聚类分析6第一节划分方法：Z-means算法掌握0.5第二节层次分析方法理解0.5第三节基于模型的方法：神经网络了解0.5第四节聚类算法的评价掌握0.5实验三聚类分析案例演示掌握4重点与难点：相似度的度量方法、常用聚类算法的原理及其应用。衡量学习是否达到目标

7、的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第五章关联技术5.5第一节关联规则掌握0.5第二节APriOri算法、FP树理解0.5第三节灰色关联法、关联模式的评估理解0.5实验四关联算法模型与评估掌握4重点与难点：关联规则与分类的异同；在数据集中寻找关联规则的方法。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第六章离群点挖掘1.5第一节基于统计的方法理解0.5第二节基于距离的方法理解0.5第三节基于偏离的方法了解0.5重点与难点：离群点分析的三类方法。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。第七章数据挖掘的扩展与应

8、用5第一节从大数据集里学习了解0.5第二节文本和网络挖掘了解0.5实验五集成学习掌握4重点与难点：大数据的基本概念及其挖掘。衡量学习是否达到目标的标准：通过课堂提问及实验考核的方式掌握学生学习的效果。实验教学内容为配合理论教学需要，加强学生应用能力的培养，开设以下实验:实验项目实验类型学时安排实验一数据清洗综合性实验4实验二决策树模型的生成与预测综合性实验4实验三聚类分析设计性实验4实验四关联算法模型与评估验证性实验4实验五集成学习综合性实验4合计20实验教学学时已包括在总学时内。五、推荐教材和教学参考资源1 .推荐教材1 IanH.Witten等著，董琳等译.数据挖掘实用机器学习技术（原书第2版）.机械工业出版社,2006.2 .参考资源：1 Pang-NingTan等著，范明等译.数据挖掘导论.人民邮电出版社,2010.2 JiaweiHan等著，范明等译.数据挖掘概念与技术（原书第3版）.机械工业出版社,2012.