数据挖掘
课程名称：数据挖掘/ Data Mining
学时/学分：48学时/3学分
先修课程：数据库
适用专业：计算机科学与技术、软件工程及相关专业
开课院（系、部、室）：数学与统计学院
一、课程的性质、教学目的与要求
本课程以数据挖掘为主要内容，主要介绍实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握大型数据挖掘软件SAS Enterprise Miner的使用，培养学生数据分析和处理的能力。先修课程：《数据库原理》、《SAS软件基础》。
通过《数据挖掘》课程的教学，使学生理解数据挖掘的基本概念和方法，学习和掌握SAS Enterprise Miner中的数据挖掘方法。学生能够借助SAS Enterprise Miner软件工具进行具体数据的挖掘分析。
二、《数据挖掘》课程的基本要求、主要教学内容与学时分配（总学时48）
第一章 数据挖掘导论（8学时）
（一）教学目的和要求
本章主要介绍数据挖掘的基本概念和功能，并能熟悉掌握。同时要求了解数据挖掘的系统分类。
（二）主要内容
第一节 数据挖掘发展概述
1、功能介绍
2、基本应用概述
第二节 数据挖掘功能
1、概念描述：定性与对比
2、关联分析
3、分类与预测
4、聚类分析
5、异类分析
6、演化分析
第三节 数据挖掘系统
1、系统分类
2、系统应用
3、数据挖掘在医学信息系统和社会保险领域的应用
（三）重点难点
重点、难点：掌握数据挖掘功能、数据挖掘系统的应用
第二章 数据预处理（8学时）
（一）教学目的与要求
主要介绍数据库中的知识发现处理过程，了解数据预处理的重要性，熟悉掌握数据预处理的方法。
（二）主要内容
第一节 数据清洗
1、噪声数据处理
2、不一致数据处理
第二节 数据集成与转换
1、数据集成处理
2、数据转换处理
（三）重点难点
重点、难点：掌握数据集成与转换
第三章 分类与预测（12学时）
（一）教学目的与要求
主要介绍分类与预测基本知识，要求掌握基本知识，并了解各项分类和预测方法的使用。
（二）主要内容
第一节 分类与预测基本知识
1、分类基础
2、预测基础
第二节 基于决策树的分类
第三节 贝叶斯分类
第四节 神经网络分类
第五节 预测方法
1、线性与多变量回归
2、非线性回归
3、其他回归模型
（三）重点难点
重点、难点：了解基于决策树的分类、贝叶斯分类
第四章聚类分析（12学时）
（一）教学目的与要求
本章主要介绍聚类分析基本概念，并介绍聚类分析的一些基本方法。
（二）主要内容
1、基础知识
2、聚类分析方法：K－MEANS算法等
（三）重点难点
重点、难点：聚类分析方法：K－MEANS算法等的应用
本文来源：https://www.2haoxitong.net/k/doc/76cc07d7541810a6f524ccbff121dd36a32dc4ae.html
文档为doc格式