《数据挖掘》教学大纲.pdfVIP

《数据挖掘》教学大纲

课程名称：数据挖掘

课程编号：408402436415

适用专业：计算机科学与技术软件工程

课程类别：专业任选课专业任选课

课程学分：33

总学时：4848

其中：理论学时3636

实验学时1212

先修课程：高级语言程序设计、离散数学、概率与数理统计、数据库原理

一、课程的性质、目的与任务

数据挖掘是综合了机器学习、统计数据库的一门现代计算机技术，旨在发现海量数据中的

模型与模式，具有巨大的应用前景。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。

《数据挖掘》课程是计科专业与软工专业的专业任选课程，通过本课程的学习使学生掌握数

据挖掘的基本概念，了解数据挖掘的定义功能以及实现数据挖掘的主要步骤具体实现方

法，初步掌握数据挖掘的算法。使同学们在学习本课程后，能实现简单的数据挖掘算法编程，

了解实现数据挖掘的具体操作。

通过本课程的学习，要求学生达到:

1．了解数据挖掘技术的整体概貌

2．了解数据挖掘技术的主要应用及当前的研究热点问题发展方向

3．掌握最基本的概念、算法原理技术方法

二、课程教学基本内容与要求

第一章引言

（一）基本教学内容

1.1什么激发了数据挖掘，为什么它是重要的

1.2什么是数据挖掘

1.3对何种数据进行挖掘

1.4数据挖掘功能——可以挖掘什么类型的模式

1.5所有模式都是有趣的吗

1.6数据挖掘系统的分类

1.9数据挖掘的主要问题

（二）基本要求

教学目的：掌握数据挖掘的基本概念、理解数据挖掘的形成与发展过程、了解数据挖掘的数

据对象、了解数据挖掘所具有的功能。

教学重点：重点讲解数据挖掘的功能

教学难点：数据挖掘功能

第二章数据预处理

（一）基本教学内容

2.1为什么要预处理数据

2.2描述性数据汇总

2.3数据清理

2.4数据集成变换

第1页/共4页

2.5数据归约

2.6数据离散化概念分层产生

（二）基本要求

教学目的：了解数据预处理的原因，掌握数据预处理的方法。

教学重点：数据清理、数据集成变换、数据归约、数据离散化概念分层

教学难点：数据归约、数据离散化概念分层

第三章数据仓库与OLAP技术概述

（一）基本教学内容

3.1什么是数据仓库

3.2多维数据模型

3.3数据仓库的系统结构

3.4数据仓库实现

3.5从数据仓库到数据挖掘

（二）基本要求

教学目的：理解数据仓库的概念，了解数据仓库的多维数据模型，理解数据仓库的系统结构，

掌握数据立方体的有效计算。

教学重点：多维数据模型

教学难点：数据立方体的有效计算

第四章数据立方体计算与数据泛化

（一）基本教学内容

4.1数据立方体计算的有效方法

4.2数据立方体OLAP技术的进一步发展

4.3面向属性的归纳——一种数据泛化概念描述方法

（二）基本要求

教学目的：了解数据立方体计算的有效方法，了解数据立方体OLAP技术的进一步发展，

理解面向属性归纳的方法。

教学重点：数据立方体计算的有效方法

教学难点：完全立方体计算的多路数组聚集

第五章挖掘频繁模式、关联相关

（一）基本教学内容

5.1基本概念路线图

5.2有效的可伸缩的频繁项集挖掘

5.3挖掘各种类型的关联规则

5.4由关联挖掘到相关分析

（二）基本要求

教学目的：理解关联规则的相关概念，掌握频繁项集挖掘的方法，理解关联挖掘的相关性分

析。

教学重点：频繁项集挖掘的方法。

教学难点：Apriori算法。

第六章分类预测

（一）基本教学内容

6.1什么是分类，什么是预测

6.2关于分类预测的问题

6.3用决策树归纳分类