《R 语言数据分析与挖掘实践》课程教学大纲.pdf

《R 语言数据分析与挖掘实践》课程教学大纲 （Data Analysis and Data Mining with R） 一、课程基本信息 适用专业 数学与应用数学（师范、金融方向） 开课单位 数学与大数据学院 课程类型 专业教育类课程（专业课） 课程性质 任选课 是否为双语 否 学分数 2 学分 学时数 总学时 32 ，其中：实验（实训） 16 学时 ；课外 0 学时 先修课程 概率论与数理统计；数值分析 后续课程 Matlab 数据分析与挖掘实践 二、课程简述 本课程主要介绍运用R语言等重要的统计工具，结合真实的案例，进行数据挖掘实践。 课程以案例为主线，介绍数据挖掘建模过程中的有关任务：数据探索、数据预处理、分类与 预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等。课程内容分为三个大 的模块，基础篇主要包括数据挖掘概述，工具说明，挖掘建模过程中的数据探索、数据预处 理和挖掘建模的常用算法与原理；实战篇包括数据挖掘技术在电力、医疗、互联网、制造业 等行业的应用分析，通过上机实践，完成模型建立和方法阐述等方面的教学；提高篇主要是 综合运用实战篇中各类方法，完成实际问题中的数据挖掘建模，达到解决实际问题的目的。 三、本课程所支撑的毕业要求 本课程所支撑(达成)的毕业要求 毕业要求 指标点 毕业要求4：掌握计算机科学的基本知识和技能， 指标4-2：掌握一定的数学软 有良好的使用计算机的能力，掌握一定的计算机 件的使用方法，有一定的数据 多媒体技术。掌握一定的数学软件的使用方法， 分析、数据处理能力和数学建 有一定的数据分析、数据处理能力和数学建模能 模能力。 140 力。 毕业要求7：终身学习 具有自主学习和终身学习 指标7-2：有不断学习和适应 的意识，有不断学习和适应发展的能力。 发展的能力。 四、考核方式及成绩评定 （一）考核目标 考核学生应用课程所学方法解决实际问题的能力，以及学生撰写建模和数据挖掘方面 论文的能力。 （二）考核方式 平时：针对每个案例撰写实验报告； 期末：自主选题，完成综合性的课程论文。 （三）成绩评定 平时实验报告30%+ 课程论文70%。 五、课程内容、重点和难点及教学方法与手段 五、课程内容、重点和难点及教学方法与手段 （一）课程内容、重点和难点 第一章 数据挖掘基础 重点：数据挖掘建模过程 难点：数据挖掘的任务与实现 第一节 数据挖掘基本任务 1. 教学内容 （1） 从餐饮服务企业的困惑入手，引出数据挖掘的问题 （2） 通过对实例的介绍，了解数据挖掘的基本任务 2. 具体要求 （1）了解从实例中了解数据挖掘的基本任务。 第二节 数据挖掘建模过程 1. 教学内容 （1）数据挖掘建模的完整过程 （2）定义挖掘目标与数据取样 （3）数据探索、数据预处理 （4）挖掘建模和模型评价 141 2. 具体要求 （1）理解完整的数据挖掘建模过程 第三节 常用挖掘建模工具 1. 教学内容 （1）常用的挖掘建模工具 （2）重点介绍本课程使用的R 语言包括R 语言的安装，R 语言使用界面，RStudio 窗口，R 语言的简单入门操作，R 语言数据分析常用包 2. 具体要求 （1）能独立安装R 语言 （2）掌握简单进行入门操作实践 第二章 数据预处理 重点：数据探索 难点：数据清洗 第一节 数据探索 1. 教学内容 （1）数据质量分析和数据特征分析 （2）数据质量分析包括数据缺失值分析、异常值分析、一致性分析 （3） 数据特