《数据分析与挖掘》教学大纲

1、数据分析与挖掘教学大纲一、课程的基本信息课程编号：02210216课程性质：专业/必修课学时：48学分：2.5开课单位：信息管理学院适用专业：电子商务专先修课程：计算机文化基础C 语言程序设计、统计学、数据库二、课程目的与任务平凡过程。知识发现将信息变为知识，从数据矿ft知识发现研究的最新成果。本课程的重点在培养学生的实际分析数据及处理数据的能力。三、课程教学基本要求通过本课程的学习，要求学生初步掌握数据挖掘的重要概念和任务、数据挖掘中的常用算法（决策树、关联规则、聚类算法、贝叶斯分类算法、支持向量机、神经网络挖掘当前的研究动向各教学环节学时分配教学内容各教学环节学时分配教学内容讲实验 上机

2、习题 讨论 小计绪论数据预处理关联规则挖掘人工神经网络算法支持向量机Kmeans K 中心点聚类算法合 计授22426426448448444262242222321648五、课程教学基本内容第 1 章 绪论（2 课时）教学内容：数据挖掘的概念数据挖掘的历史及发展数据挖掘的研究内容及功能数据挖掘的常用技术及工具重点：难点：第2章 数据预处理（4）教学内容：数据预处理的目地数据清理数据集成和数据变换数据归约特征选择与提取重点：数据集成和数据变换难点：特征选择与提取第3章 关联规则挖掘（4 课时）教学内容：基本概念关联规则挖掘算法-Apriori算法原理Apriori算法实例分析Apriori算法

3、源程序分析Apriori算法的特点及应用重点：关联规则挖掘算法-Apriori算法原理难点：关联规则挖掘算法-Apriori算法原理第4决策树分类算法（4）教学内容：基本概念-ID3ID3ID3ID3-C4.5重点：-ID3难点：-ID3第5章 贝叶斯分类算法（4）教学内容：基本概念贝叶斯分类算法原理贝叶斯分类算法实例分析贝叶斯分类算法源程序分析贝叶斯分类算法特点及应用重点：贝叶斯分类算法原理难点：贝叶斯分类算法原理第 6 章 人工神经网络算法（4 课时）教学内容：基本概念BPBPBPBP重点：BP 算法原理难点：BP 算法原理第 7 章 支持向量机（4 课时）教学内容：基本概念支持向量机原理

4、支持向量机实例分析支持向量机的特点及应用重点：支持向量机原理难点：支持向量机原理第8章 Kmeans 聚类算法（2）教学内容：基本概念Kmeans 聚类算法原理Kmeans 聚类算法实例分析Kmeans 聚类算法源程序分析Kmeans 聚类算法的特点及应用重点：Kmeans 聚类算法原理难点：Kmeans 聚类算法原理第9章 K 中心点聚类算法（2 课时）教学内容：（1）基本概念（2）K 中心点聚类算法原理（3）K 中心点聚类算法实例分析（4）K 中心点聚类算法源程序分析（5）K 中心点聚类算法的特点及应用重点：K 中心点聚类算法原理难点：K 中心点聚类算法原理第10章 神经网络聚类算法：SOM（2 课时）教学内容：基本概念竞争学习算法基础SOM算法原理SOM算法原理实例分析SOM算法原理源程序分析SOM算法原理的特点及应用重点：SOM算法原理难点：SOM算法原理六、考核方式与成绩评定考核方式：考试成绩评定7030 %平时成绩的各部分占总成绩比例分别为：考勤占，课堂测验成绩占15%5%期末总评成绩平时成绩30%+考核成绩70%。补考方法： 总评成绩低于 60 分的学生，须参加学院统一组织的补考。补考成绩：卷面成绩 60 分以上（含 60 分）按 60 分计，卷面成绩 60 分以下按卷面成绩计。七、教材与主要参考书目教 材：数据挖掘算法原理与实现，王振武，清华大学出版社，2017