《数据挖掘及软件应用》课程教学大纲

1、PAGE PAGE 6数据挖掘及软件应用课程简介课程编号1240754017课程名称数据挖掘及软件应用课程性质选修学 时64学 分4学时分配授课：40 实验： 上机：24 实践： 实践（周）：考核方式闭卷考试，平时成绩占30% ，期末成绩占70%开课学院理学院更新时间适用专业统计学先修课程数学分析、概率统计课程描述：数据挖掘是20世纪末刚刚兴起的数据智能分析技术,是统计学专业的一门专业选修课程。本课程主要介绍数据挖掘的基本概念，原理、方法和技术，具体包括：数据的预处理、分类预测、关联挖掘、聚类分析等内容。本课程的任务是使学生理解数据挖掘的基本流程，掌握数据挖掘的基本理论和技术，结合相关软件能从

2、大量统计数据中获取有价值的信息，并具有进一步学习的基础与能力。Brief Introduction Code1240754017TitleData Mining and Its Software ApplicationCourse natureSelectedSemester Hours64Credits4Semester Hour StructureLecture：40 Experiment： Computer Lab：24 Practice：Practice (Week)：AssessmentClosed book examination, usually results accounte

3、d for 30%, the final grade accounted for 70%.Offered bySchool of ScienceDate2012-9forStatisticsPrerequisiteMathematical Analysis、Probability and statisticsCourse Description: Data mining is a new intelligent data analysis technology from the end of the twentieth Century. It is an important selective

4、 curriculum for Statistics Professional.This course mainly introduces the basic concept, principle, method and technology of data mining, including: data preprocessing, classification, association rule mining, clustering analysis etc.The task of this course is to make students understand the basic d

5、ata mining process, master the basic theories and technology of data mining. Combining with the related software, students could obtain valuable information from a large number of statistical data, which make them the foundation and ability in further studying.数据挖掘及软件应用课程教学大纲课程编号1240754017课程名称数据挖掘及软

6、件应用课程性质选修学 时64学 分4学时分配授课：40 实验： 上机：24 实践： 实践（周）：考核方式闭卷考试，平时成绩占30% ，期末成绩占70%开课学院理学院更新时间适用专业统计学先修课程数学分析、概率统计一、教学内容第一章 数据挖掘导论1.1 数据挖掘与知识发现1.2 数据挖掘的起源1.3 数据挖掘基本任务定义1.4 数据挖掘基本任务举例教学重点：数据挖掘的基本任务。教学难点：数据挖掘的基本任务。第二章 数据2.1 数据类型概述2.2 数据质量问题2.3 数据预处理技术2.4 相似性和相异性的度量教学重点：数据预处理技术。教学难点：数据预处理技术。第三章 探索数据3.1 汇总统计技术3

7、.2 数据可视化技术3.3 汇总统计和可视化的软件实现教学重点：汇总统计技术。教学难点：汇总统计技术。第四章 分类与预测4.1 解决分类问题的一般方法4.2 决策树归纳4.3 基于规则的分类器4.4 基于统计的算法（1）线性回归、logistic回归（2）贝叶斯方法：包括贝叶斯定理、贝叶斯定理在分类中的应用、朴素贝叶斯算法4.5 人工神经网络（1）感知器（2）多层人工神经网络（3）人工神经网络的软件实现4.6 基于距离的算法（1）K最近邻算法（2）K最近邻算法的软件实现4.7 综合案例教学重点：基于统计的算法，人工神经网络，基于距离的算法。教学难点：人工神经网络。第五章 关联分析5.1 关联分

8、析基本问题定义5.2 频繁项集的产生5.3 Aprior算法5.4 FP算法5.5 关联模式的评估5.6 案例分析教学重点：Aprior算法。教学难点：Aprior算法。第六章 聚类分析6.1 聚类分析概述6.2 聚类分析的主要方法6.3 案例分析教学重点：聚类分析基本方法。教学难点：聚类分析基本方法的软件实现。第七章 时序数据挖掘7.1 时序事件建模7.2 时间序列分析7.3 时序关联规则7.4 序列关联规则7.5 案例分析教学重点：时序关联规则。教学难点：软件实现。二、教学要求第一章 数据挖掘导论1了解什么是数据挖掘；2了解数据挖掘与统计学，人工智能，模式识别和数据库技术之间的关系；3了解

9、数据挖掘三大基本任务：分类，聚类和关联分析。第二章 数据1掌握数据类型的基本概念，能区分离散型数据和连续型数据；2学会基本的数据预处理技术。第三章 探索数据1了解基本的汇总统计技术；2掌握基本的数据可视化技术；3学会用软件实现可视化数据。第四章 分类与预测1了解决策树分类和一些重要的分类问题；2掌握过分拟合、性能评估的基本概念，能对不同分类模型进行比较；3熟练掌握决策树分类（ID3,C4.5,C5.0），基于统计的算法（回归，贝叶斯分类），基于规则的分类，人工神经网络，基于距离的算法（K最邻方法）；4. 能够借助软件对实际问题进行分类和预测。第五章 关联分析1掌握关联分析的基本概念和算法；2能

10、用软件进行简单的关联分析.第六章 聚类分析1掌握基本的聚类分析概念；2熟练掌握聚类分析的基本方法及软件实现。第七章 时序数据挖掘1了解时序数据挖掘的基本概念和基本任务；2掌握趋势分析和时间序列分析的基本方法；3. 能够借助软件实现时序数据挖掘。三、章节学时分配章次总课时课堂讲授实验上机实践备 注12224223642422148510646106471064总计644024四、教材与主要参考资料教材1 范明等译. 数据挖掘导论(完整版)北京：人民邮电出版社，2011参考资料1 Jiawei Han, Micheline Kamber.著，范明、孟小峰等译. 数据挖掘概念与技术. 北京：机械工业出版社，2001.2 毛国君等编著数据挖掘原理与算法（第二版）北京：清华大学出版社，20073 Richard J. Roiger, Michael W. Geatz 著, 翁敬农译