《数据挖掘与商务智能》课程教学大纲.pdfVIP

《数据挖掘与商务智能》课程教学大纲 DataminingandBusinessIntelligence 课程编号：131502044 学时：32 学分：2 适用对象：信息管理与信息系统、电子商务 先修课程：大学计算机、数据库原理与应用、统计学、概率论与数理统计 一、课程的性质和任务 该课程可以支撑能力要求第2、3条，达成具有一定的信息系统和信息资源开发利用的实践 能力和技术技能，并灵活应用于实际工作的技能，初步具备利用创造性思维方法开展科学研究 的能力，以及基于多学科知识融合的创意、创新和创业能力。数据挖掘是一门新兴的交叉性学 科，是在信息技术领域迅速兴起的计算机技术。数据挖掘技术面向应用。在很多重要的领域， 数据挖掘都发挥着积极的作用。因此这门课程是计算机专业及相关专业的重要课程之一。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。 能力要求2，2-② 二、教学目的与要求 通过本课程的学习，使学生了解数据挖掘技术的整体概貌，掌握关联分析、分类预测、聚 类分析等数据挖掘方法最基本的概念、算法原理和技术方法，掌握运用SPSS Clementine进行 数据挖掘的步骤、方法，了解数据挖掘技术的主要应用及当前的研究热点问题，了解数据挖掘 技术的发展方向。 三、教学内容 第一章：绪论 1．基本内容： 介绍数据挖掘课程的内容、意义和应用；介绍数据挖掘的主流分析工具；介绍课程的参考 书籍、课程的考核评价方式。 2．教学基本要求： 了解：数据挖掘的起源、理论意义和应用领域。 掌握：当前主流的数据挖掘商业工具SPSS Clementine的主要功能，讲解该软件建模过 程中预处理数据、构建流、选择模型等概念和基本操作。 299 第二章：数据与数据预处理 1. 基本内容： 学习数据及数据预处理的基本技术与方法。 2. 教学基本要求： 掌握：数据的维数约简、特征选择、数据清洗、数据集成的基本方法； 了解：数据立方、数值规约等方法 3. 教学重点难点： 数据的维数约简、特征选择、数据清洗、数据集成的基本方法 第三章：关联规则挖掘 1. 基本内容： 介绍频繁模式、关联规则挖掘的基本概念和原理，详细介绍几种经典的关联规则挖掘算法 的工作过程；结合实际商务应用案例，学习关联分析的主流工具软件。 2. 教学基本要求： 掌握：经典频繁模式挖掘算法Apriori、gri算法和序列关联；基于频繁模式的关联规则挖 掘的原理和过程；采用SPSS Clementine等商业统计分析工具进行关联规则挖掘的主要步骤和 方法； 了解：实现高效关联规则挖掘算法的各种优化方法； 实践环节：基于SPSS Clementine软件的购物篮分析、商品推荐等关联规则挖掘的经典 商务智能应用范例。 3. 教学重点难点： 基于频繁模式的关联规则挖掘的原理和过程 第四章：分类预测 1. 基本内容： 介绍监督分类技术的相关概念、原理和经典算法，掌握决策树、神经网络、支持向量机、 回归分析和判别分析基本原理和实现过程，结合实际智能商务应用案例，学习分类技术的具体 应用。 2. 教学基本要求： 掌握：经典决策书分类算法C5、chaid、quest和分类回归树人工神经网络、logistic回归 分析的工作原理和主要步骤、方法； 了解：贝叶斯网络的相关概念和工作原理；支持向量机 （SVM）的概念与工作原理和主要 300 步骤、方法； 实践环节：基于SPSS Clementine软件的信用卡用户违约、电信客户离网的分类预测经典 商务智能应用范例。 3. 教学重点难点： C5、chaid、quest、人工神经网络、logistic回归分析 第五章