《数据挖掘技术》教学大纲.pdf

《数据挖掘技术》教学大纲 （一）课程基本信息 1. 课程代码： 2. 课程名称（中文/英文）：Technology of Data Mining 3. 课程类别：专业方向课/专业课 4. 课程学分：2.0 5. 课程学时：32 （其中，授课学时：32 ；实践环节学时：0 ） 6. 开课单位：信息学院 7. 教学对象：计算机科学与技术 （二）课程简介 数据挖掘又称为数据库知识发现。它通常是指从数据源中探寻有用的模式或知识的过程 是计算机专业中重要的方向。本课程是计算机专业的一门重要专业选修课，是一门主干兼具 前沿技术的课程。该课程主要是介绍数据挖掘的基本概念、步骤和主要技术。其主要内容有： 监督学习、无监督学习、关联规则挖掘、序列模式挖掘等。 （三）课程教学目标和能力要求 教学目的：本课程是在已掌握《数据结构》、《C/C++程序设计》或《JAVA 程序设计》的基础 上的高级应用课程，进一步学习学习互联网数据挖掘任务以及和核心挖掘算法，最终掌握数 据挖掘的过程包括数据收集、数据处理和分析的技术和算法。 能力要求：掌握数据挖掘原理和方法；掌握提高数据挖掘算法的设计能力。 （四）课程教学方法 本课程教学方法以理论教学为主，注重算法设计的培养。以案例讲解为主线，培养学生 数据挖掘场景的分析和设计的能力。 （五）课程内容及教学安排 教学主题 1：数据挖掘简介 （2 学时） [知 识 点]：数据挖掘与机器、数据挖掘应用领域、机器学习与统计学、数据挖掘道德 [重 点]：数据挖掘应用领域 [难 点]：数据挖掘适用场景 [能力要求]：针对数据挖掘的应用场景建模能力 [实践环节]：程序设计实现相关算法 [教学方法]：理论教学 [课前阅读]：无 [课后作业]：无 1 / 4 教学主题 2 ： 关联规则（4 学时） [知 识 点]：关联规则的基本概念、Apriori 算法、频繁项集的生成、关联规则的生成、 多最小支持度的关联规则挖掘 [重 点]：频繁项集生成 [难 点]：关联规则的生成 [能力要求]：数据建模能力、算法分析能力 [实践环节]：程序设计实现相关算法 [教学方法]：理论教学 [课前阅读]：教材预习 [课后作业]：Apriori 算法的实现 教学主题 3 ：序列模式（4 学时） [知 识 点]：分类关联规则挖掘、序列模式的基本概念、基于 GSP 挖掘序列模式、GSP 算法、基于 PrefixSpan 的算法 [重 点]：序列模式 [难 点]：GSP 挖掘算法 [能力要求]：针对特定应用场景的算法建模能力 [实践环节]：程序设计实现相关算法 [教学方法]：理论教学 [课前阅读]：教材预习 [课后作业]：GSP 序列挖掘算法实现 教学主题 4 ： Web 搜索（4 学时） [知 识 点]：相似度计算、搜索排序、元搜索 [重 点]：搜索排序 [难 点]：相似度计算 [能力要求]：问题解决能力 [实践环节]：程序设计实现相关算法 [教学方法]：理论教学 [课前阅读]：教材预习 [课后作业]：例题练习 教学主题 5 ：监督学习（4 学时） [知 识 点]：监督学习的基本概念、决策树归纳、学习算法、混杂度函数、分类器评估、 评估方法 [重 点]：决策树归纳 [难 点]：评估方法 [能力要求]：学习算法设计能力，算法评估能力 2 / 4 [实践环节]：程序设计实现相关算法 [教学方法]：理论教学 [课前阅读]：教材预习 [课后作业]：决策树算法实现 教学主题 6：贝叶斯分类和支持向量机（4 学时） [知 识 点] ：贝叶斯分类模型、