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