《数据分析与挖掘》课程教学大纲.pdfVIP

《数据分析与挖掘》课程教学大纲

一、课程基本概况

课程中文名称数据分析与挖掘

课程英文名称DataAnalysisandMining课程编号

课程类别□公共必修课□公选课□院级限选课□学科基础课□专业基础课

□专业限选课√专业任选（拓展）课□方向特色课（双百班课程）

总学时32讲授学时16实验学时16

总学分2开课学院（部）信息学院开课系（室）网络系

授课对象信息管理与信息系统专业本科

先修课程《数据库》、《信息资源组织与管理》、《概率与统计》、至少一门编程语言

执笔人审核人审批人

修订时间

二、课程简介

《数据分析与挖掘》课程主要介绍模式发现、数据挖掘、商业数据分析与预测的基本理

论和算法，具有很强的基础性和通用性。本课程注重吸收国际研究前沿的最新成果，使得课

程的讲授内容始终保持前沿性和先进性。

三、课程教学总体目标

本课程的教学目标主要有以下三个方面：掌握数据挖掘常用算法及应用场景；熟悉商务

智能领域主流产品及工具；能够应用数据挖掘原理和算法，通过对数据分析和处理，解决商

务智能中的实际问题。

四、理论教学内容及要求

第一章绪论

【教学目标】

（1）了解数据挖掘的起源、理论意义和应用领域

（2）理解

（3）掌握数据挖掘研究的主要内容和所需基础知识

【学时分配】2学时

【授课方式】讲授

【授课内容】

1.数据挖掘课程的内容、意义和应用

2.数据挖掘的主流分析工具

3.课程的参考书籍、课程的考核评价方式

【教学重点和难点】

（1）重点数据挖掘的主流分析工具

（2）难点

【授课方法与手段】

（1）教学方法：讲授式、讨论式

369

（2）教学手段：多媒体、网络

【课外学习指导的要求】

1.课外阅读资料

2.作业与思考题的要求

（1）搜索招聘网站上“数据挖掘”方面职位的基本要求。

第二章数据与数据预处理

【教学目标】

（1）了解

（2）理解数据立方、数值规约等方法

（3）掌握相似性和相异性

【学时分配】4学时

【授课方式】讲授、课堂讨论

【授课内容】

1.数据类型

属性与度量

数据集的类型

2.数据质量

测量和数据收集问题

3.数据预处理

聚集

抽样

维归约

特征子集选择

4.相似性和相异性的度量

简单属性之间的相似度和相异度

数据对象之间的相异度

数据对象之间的相似度

邻近性度量的例子

邻近度计算问题

选取正确的邻近性度量

【教学重点和难点】

（1）重点数据预处理、相似性和相异性度量

（2）难点相似性和相异性度量

【授课方法与手段】

（1）教学方法：讲授式、讨论式

（2）教学手段：多媒体、网络

【课外学习指导的要求】

1.课外阅读资料

2.作业与思考题的要求

（1）对给定数据，计算相似性和相异性。

370

第三章关联规则挖掘

【教学目标】

（1）了解感知机算法

（2）理解贝叶斯分类算法

（3）掌握k-近邻分类方法

【学时分配】3学时

【授课方式】讲授、课堂讨论、演示

【授课内容】

1.贝叶斯和决策树分类方法

朴素贝叶斯分类方法

经典决策书分类算法CART、ID3和C4.5

2.最近邻分类方法

k-近邻分类方法的工作原理和过程