搜索
教学大纲-数据挖掘(高妮20160722)西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院课程代码：0500301《数据挖掘》教学大纲DataMining执笔人：高妮审核人：批准人：西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院《数据挖掘》教学大纲[基本概况]课程中文名称数据挖掘课程英文名称DataMining课程类别专业选修课适用专业计算机科学与技术、网络工程、软件工程专业先修课程《离散数学》、《数据结构》、《概率论》和《数据库系统》等并修课程计算机专业课程总学时36总学分2使用教材徐华.数据挖掘:方法与应用.北京:清华大学出版社,2015.参考书目2－5部[1](美)JiaweiHan、MichelineKamber著，范明等译.数据挖掘：概念与技术(第三版).北京:机械工业出版社,2012.[2]赵卫东.商务智能(第二版).北京:清华大学出版社,2016.[3](美)陈封能，斯坦巴赫，库玛尔，范明译.数据挖掘导论（完整版）.北西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院京:人民邮电出版社,2011.[4](美)RobertI.Kabacoff著，高涛等译.R语言实战.北京:人民邮电出版社,2013.[5]孔志周、肖百龙.数据挖掘实验.北京:中国统计出版社,2011.其它可利用的网络资源无课程概述（课程的意义，教学目标，内容简介等）1.课程意义：《数据挖掘：方法与应用》是软件工程专业教学计划中一门专业选修课，是一门汇集统计学、机器学习、数据库、人工智能等学科内容的新兴的交叉性学科，是在信息技术领域迅速兴起的计算机技术。在很多重要的应用领域，数据挖掘都发挥着积极的作用。因此这门课程是软件工程相关专业的重要课程之一。本课程深入探讨数据挖掘原理，把信息科学、计算科学和统计学对数据挖掘的贡献融合在一起，培养软件工程专业高年级本科学生具备初步的科研能力和创造能力。2.教学目标:了解：数据挖掘领域发展趋势和主要应用，数据挖掘技术最新进展和前沿成果，数据挖掘的西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院OLAP技术，复杂数据类型的数据挖掘技术等。掌握：数据预处理方法，包括数据清理、数据规约和数据变化等，数据仓库的概念和构建方法，多维数据模型，数据立方体技术等。重点掌握：知识发现与数据挖掘的基本概念和基本理论，挖掘大型数据库的关联规则方法，贝叶斯分类技术，神经网络分类技术、K均值聚类方法、层次聚类方法等。3.课程内容：教学时数及分配：本课程在第七学期开设，教学周为十八周，总学时为36学时。其中理论教学18学时，实践操作18学时。。《数据挖掘：方法与应用》的课堂讲授主要本课程以数据预处理、数据仓库设计、数据挖掘为主线，主要介绍数据挖掘的基本概念、原理、方法和技术，具体包括：数据预处理基本方法，数据仓库设计方法，多维数据模型表示方法，关联规则挖掘方法，数据分类方法，数据聚类方法等内容。通过课程的学习，使学生了解数据挖掘技术最新进展和前沿成果，激发学生兴趣；掌握数据预处理方法，包括数据清理、数据规约和数据变化等，数据仓库的概念和构建方法，多维数据模型，数据立方体技术等知识；熟练掌握数据挖掘的基本概念和基本理论，挖掘大型数据库的关联西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院规则方法，贝叶斯分类技术，神经网络分类技术、K均值聚类方法等内容，并基于数据挖掘软件介绍一定的实际操作。[学时分配]学时分配表章次章名学时备注第一章绪论2(教学)第二章数据预处理3(教学)第三章数据仓库3(教学)第四章相关性与关联规则3(教学)+4(实验一、二)第五章分类和预测4(教学)+8(实验三、四、五、六)第六章聚类分析3(教学)+6(实验七、八、九)总学时合计36[理论教学内容与要求]西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院第一章绪论[教学目的]使学生对数据挖掘有一个初步、总体的认识。[重点难点]本章节的重点是数据挖掘的定义，难点是它的基本步骤、主要技术和应用价值，如何激发学生对数据挖掘应用的领域及成功案例的兴趣。[教学时数]2(教学)[教学内容]应用背景、数据挖掘定义、主要技术、主要研究内容、面临的主要问题等。第1节应用背景1商业上的驱动2科学研究上的驱动3数据挖掘伴随着数据库技术而出现第2节什么是数据挖掘1基本描述2关于知识发现第3节数据挖掘的主要技术第4节数据挖掘的主要研究内容第5节数据挖掘面临的主要问题第6节数据挖掘相关的资料第7节本书的总体章节安排[练习题]1．数据仓库与数据库有何不同？它们有哪些相似之处？2．与挖掘少量数据相比，挖掘海量数据的主要挑战是什么？第二章数据预处理西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院[教学目的]使学生掌握数据的清理、集成和变换等预处理的基本方法。[重点难点]本章节重点是数据的基本处理方法，难点是处理方法的应用。确保学生对处理方法的理论尚能掌握，进一步增加实际应用方面的操作。[教学时数]3(教学)[教学内容]数据预处理的基本概念、数据的描述、数据清洗、数据集成和转换和数据归约和变换等。第1节前言第2节数据预处理的基本概念1数据的基本概念2为什么要进行数据预处理3数据预处理的任务第3节数据的描述1描述数据的中心趋势2描述数据的分散程度3描述数据的其他方式第4节数据清洗1数据缺失的处理2数据清洗第5节数据集成和转换1数据集成2数据冗余性3数据转换第6节数据归约和变换1数据归约2数据离散化西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院3概念层次生成[练习题]1．数据质量可以从多方面评估，包括准确性、完整性和一致性问题。对于以上每个问题，讨论数据质量的评估如何依赖于数据的应用目的，给出例子。2．讨论数据集成需要考虑的问题。第三章数据仓库[教学目的]使学生掌握数据仓库的定义、多维数据模型和OLAP技术。[重点难点]本章节的重点是数据仓库的定义，难点是数据仓库的存储结构模式，概念分层的理解，以及数据仓库的设计，要确保学生能较好地掌握，还需课后多查看一些相关的资料。[教学时数]3(教学)[教学内容]数据库基本概念、数据仓库的定义、多维数据模型、数据仓库结构和功能、OLAP技术、数据仓库应用等。第1节前言第2节数据库基本概念回顾1数据库简介2表、记录和域3数据库管理系统第3节数据仓库简介1数据仓库特点2数据仓库概念3数据仓库作用西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院4数据仓库与DBMS对比5分离数据仓库的原因第4节多维数据模型1数据立方体2概念模型3概念分层4典型OLAP操作第5节数据仓库结构1数据仓库设计2多层体系结构第6节数据仓库的功能1数据立方体的有效计算2索引OLAP数据3OLAP查询的有效处理第7节从数据仓库到数据挖掘1数据仓库应用2从OLAP到[练习题]1．简略比较一下概念：（1）数据清理、数据变换、刷新。（2）发现驱动的立方体、多特征立方体、虚拟立方体。2．列举三种流程的数据仓库建模模式。第四章相关性与关联规则[教学目的]了解需求管理的模型和流程；掌握需求获取、确认和控制的基本方法，理解变更控制的重要性。西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院[重点难点]本章节重点是关联规则的挖掘，难点是Apriori算法的应用。[教学时数]3(教学)+4(实验一、二)[教学内容]基本概念、频繁项集挖掘方法、多种关联规则挖掘、从关联分析到相关分析、基于约束的频繁模式挖掘等。第1节基本概念1潜在的应用2购物篮问题3频繁模式分析、闭项集和关联规则第2节频繁项集挖掘方法1Apriori算法2由频繁项集产生关联规则3提高Apriori的效率第3节多种关联规则挖掘1挖掘多层关联规则2挖掘多维关联规则3挖掘量化关联规则第4节从关联分析到相关分析1相关分析2强规则不一定是有价值的3挖掘高度关联的模式第5节基于约束的频繁模式挖掘1关联规则的元规则制导挖掘2基于约束的模式生成:模式空间剪枝和数据空间剪枝[练习题]1．简述关联规则挖掘步骤。2．简述Apriori算法基本思想。西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院第五章分类和预测[教学目的]使学生了解并掌握决策树、贝叶斯分类、神经网络、支持向量机等分类和预测算法。[重点难点]本章节重点是分类和预测方法的概念，难点是几种主要的分类算法的应用和实现。[教学时数]4(教学)+8(实验三、四、五、六)[教学内容]分类和预测的基本概念、评价，决策树分类、朴素贝叶斯分类、神经网络、支持向量机、分类准确率等。第1节前言第2节基本概念1什么是分类2什么是预测第3节关于分类和预测的问题1准备分类和预测的数据2评价分类和预测方法第4节决策树分类1决策树归纳2属性选择度量3提取分类规则4基本决策树归纳的增强5在大数据集中的分类第5节贝叶斯分类1贝叶斯定理西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院2朴素贝叶斯分类3贝叶斯信念网络4贝叶斯网络学习第6节神经网络1神经网络简介2多层神经网络3神经网络训练4后向传播5网络剪枝和规则抽取第7节支持向量机1数据线性可分的情况2数据线性不可分的情况3支持向量机和神经网络的对比第8节关联分类1为什么有效2常见关联分类算法第9节分类准确率1估计错误率2装袋和提升[练习题]1．简述决策树分类的主要步骤。2．为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类的主要思想。第六章聚类分析[教学目的]使学生了解并掌握聚类分析的主要算法。[重点难点]本章节重点是聚类分析的概念，西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院难点是几种主要的聚类分析算法的应用和实现。[教学时数]3(教学)+6(实验七、八、九)[教学内容]聚类分析的定义和数据类型，流聚类方法分类与相似性质量，基于分割、层次、密度、网络和模型的聚类等。第1节聚类分析的定义和数据类型1聚类的定义2聚类分析和主要应用3聚类分析方法的性能指标4聚类分析使用的数据类型第2节流聚类方法分类与相似性质量1聚类分析方法分类2连续变量的距离与相似性度量3二元变量与标称变量的相似性度量4序数和比例标度变量的相似性度量5混合类型变量的相似性度量第3节基于分割的聚类第4节基于层次的聚类第5节基于密度的聚类第6节基于网格的聚类第7节基于模型的聚类第8节离群点检测[练习题]1．简略介绍如下聚类方法：基于分割的方法、层基于次的方法、基于密度的方法。[实验教学内容与要求]实验一：安装R和操作[实验目的]了解R软件的安装流程，利用R西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院中的基本数学函数处理一些简单数据，通过对基本数学函数的操作了解R语言的基本操作过程，从而对R语言形成初步的认识。[实验要求]掌握利用R语言实现数据读取功能的程序编写；按照既定格式书写实验报告。[实验时数]2[实验内容]安装R软件、熟悉菜单，并安装程序包、调用程序包、查看程序包的帮助。实现读取Excel数据并另存为.txt文件的功能。实验二：关联规则挖掘(Apriori算法)[实验目的]了解关联规则、频繁项集、闭项集和关联规则等概念。[实验要求]掌握关联规则算法的基本思想，熟悉Apriori算法的应用；按照既定格式书写实验报告。[实验时数]2[实验内容]使用R语言程序实现Apriori算法，挖掘关联知识。实验三：决策树分类(C4.5算法或ID3算法)[实验目的]了解决策树归纳、属性选择度量、提取分类规则等概念。[实验要求]掌握决策树分类算法的基本思想，熟悉C4.5算法或ID3算法的应用；按照既西安财经学院本科专业课程教学大纲汇编《数据挖掘》信息学院定格式书写实验报告。[实验时数]2[实验内容]使用R语言程序实现C4.5或ID3算法。实验四：贝叶斯分类（NB算法）[实验目的]了解贝叶斯定理、朴素贝叶斯分类、贝叶斯信念网络等概念。[实验要求]掌握朴素贝叶斯分类算法的基本思想，熟悉NB算法的应用。[实验时数]2[实验内容]使用R语言程序实现NB算法。实验五：神经网络分类（BP算法）[实验目的]了解神经网络、多层神经网络、后向