数据挖掘教学大纲.docx

数据挖掘教学大纲
一、课程概况所属专业：计算机科学与技术开课单位：数学计算机科学学院
课程类型：院系选修课程课程代码：07492210学分:

学分:
开课学期:
学时:
课堂讲授24+实验16
核心课程:

拟使用教材:
Jiawei Han and Micheline Kamberz 著，范明，孟小峰译.Data mining: Concepts and Techniques （3nd edition）.北京：机械工业出版社.2012.8 国内（外）现有教材：
Jiawei Han and Micheline Kamber.Data Mining: Concepts and Techniques（影印 版）.高等教育出版社.2001 学习参考资料：
著，王志海等译，《数据仓库》，机械工业出版社，2000
著，王天佑译，《数据仓库管理》，机械工业出版社，2002
[3]Pang-Ning Tan著，范明等译.数据挖掘导论.人民邮电出版社.2006
⑷王珊.数据仓库技术与联机分析处理.清华大学出版社.2002
[5]安淑芝等•数据仓库与数据挖掘.清华大学出版社.2005
|6]二、课程描述
《数据挖掘》是计算机科学与技术专业的选修课程，后继于《数据库原理》,主要内容有常用数据处埋技术，分析提取数据中关联规那么，根据数据特征进行分 类与预测以及聚类。对学生了解计算机开展的前沿具有重要作用，也促进提高学 生独立分析、解决实际应用或者理论问题的能力。
三、课程目标
本课程的教学目的是使学生了解数据仓库与数据挖掘的产生和开展，了解数 据仓库与数据挖掘的作用；掌握数据仓库设计与实现的关键技术；掌握数据挖掘 的基本概念和方法；掌握几种主要数据挖掘算法并能应用于实际数据的处理；了 解局部变种数据挖掘算法的思路；最终能够胜任数据仓库设计与管理、数据挖掘 的工作。
四、教学要求
通过本课程的学习，要求学生初步掌握数据挖掘的重要概念和任务、数据挖 掘中的常用算法（决策树、关联规那么、范例推理、模糊聚类法、粗糙集、贝叶斯 网络、支持向量机、隐马尔科夫模型、进化和遗传算法、神经网络），以及数据 挖掘当前的研究动向。
依据本课程的教学目标、内容特点以及学生知识范围、主动性能动性等方面 特点，对授课教师“教”这一方面的要求有：（1）按照学校本科教学工作有关要 求做好课程教学各项工作；（2）多角度、多渠道学习、了解、掌握本领域相关前 沿知识，做好知识储藏工作；（3）授课过程力求内容充实、概念准确、思路清晰、 详略得当、逻辑性强、重难点突出，力戒平铺直叙、照本宣科；（4）重视对学生 的学习方法指导和课堂教学效果信息的反应，实现教与学的双向互动；（5）工程 驱动法、探究法等多种教学方法的深入或者结合使用。
对学生，，学”这方面的要求有：（1）认真阅读教材和参考资料，课前做好预 习，课上作好笔记，积极参与课堂案例讨论，课后按时完成书后每章的练习题和 教师补充的习题以及案例分析作业。（2）学习时要处理好全面和重点的关系、理 解和记忆的关系、理论方法和应用的关系，在全面学习的基础上掌握重点，在理 解的基础上记忆。不要死记硬背，要以理解基本原理和掌握分析方法为主。（3） 理论联系实际，结合上机实验，增强动手能力，提高理论理解水平。
五、考核方式及要求
为实现课程教学目标，本门课程考核方式及要求为：平时分40%+期末考试分60%。平时分包括：出勤率、作业完成情况、随堂测验。期末考试分卷面考试 与实践操作两局部，分别占总成绩的30%。
六、课程内容课堂讲授
第一章：引言
（授课时间：第六学期第一周）教学目标：了解在何种数据上进行数据挖掘、数据挖掘的功能、数据挖掘的分类、 数据挖掘的主要任务。
教学重点：在何种数据上进行数据挖掘、数据挖掘的分类教学难点：数据挖掘的分类
学 时：课堂教学2学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）什么是数据挖掘（2）在何种数据上进行数据挖掘
（3）数据挖掘的功能（4）所有模式都有趣吗
（5）数据挖掘的分类（6）数据挖掘的主要任务
学习方法：小组讨论、学习笔记、典型问题分析课后作业：
第二章：数据预处理（授课时间：第六学期第二周）
教学目标：掌握为什么要进行数据预处理，了解数据清理的作用、数据集成和转 换、数据归约、离散化和概念分层。
教学重点：为什么要进行数据预处理教学难点：数据归约、离散化和概念分层
学 时：课堂教学2学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）为什么要进行数据预处理（2）数据清理
（3）数据集成和转换（4）数据归约
（5）离散化和概念分层学习方法：小组讨论、学习笔记、典型问题分析
课后作业：
第三章：数据仓库和数据挖掘的OLAP技术
（授课时间：第六学期第三周）
教学目标：了解数据立方体技术，掌握多维数据模型、数据仓库的实现，数据仓 库的体系结构。
教学重点：数据仓库的体系结构教学难点：多维数据模型
学 时：课堂教学2学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）什么是数据仓库（2）多维数据模型
（3）数据仓库的体系结构（4）数据仓库的实现
（5）数据立方体技术（6）从数据仓库到数据挖掘
学习方法：小组讨论、学习笔记、典型问题分析课后作业：
第四章：挖掘大型数据库中的关联规那么
（授课时间：第六学期第四至六周）教学目标：了解有效的频繁项集挖掘方法，挖掘不同类型的关联规那么，从关联挖 掘到相关度分析，掌握基于约束的关联规那么挖掘。
教学重点：基于约束的关联规那么挖掘教学难点：从关联挖掘到相关度分析
学 时：课堂教学6学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）关联规那么基本概念（2）有效的频繁项集挖掘方法
（3）挖掘不同类型的关联规那么（4）从关联挖掘到相关度分析
（5）基于约束的关联规那么挖掘学习方法：小组讨论、实验操作（4学时）
课后作业：
第五章：分类和预测
（授课时间：第六学期第七至八周）教学目标：了解什么是分类？什么是预测，掌握基本决策树分类、贝叶斯分类、 后向传播分类、关联分类。
教学重点：决策树分类、贝叶斯分类教学难点：决策树分类、贝叶斯分类
学 时：课堂教学6学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）什么是分类？什么是预测（2）决策树分类
（3）贝叶斯分类（4）基于规那么的分类
（5）后向传播分类（6）关联分类
（7）精确度和错误度度量学习方法：小组讨论、实验操作（4学时）
课后作业：
第六章：聚类分析
（授课时间：第六学期第十至十二周）
教学目标：了解什么是聚类分析、主要的聚类分析方法分类，掌握基本划分方法、 层次方法、密度方法、异常点分析。
教学重点：划分方法、层次方法教学难点：划分方法、层次方法
学 时：课堂教学6学时，课外自主学习时间不少4学时教学方法：讲授法、演示法
主要内容：（1）什么是聚类分析（2）聚类分析的数据类型
（3）主要的聚类分析方法分类（4）划分方法
（5）层次方法（6）密度方法
（7）异常点分析学习方法：小组讨论、实验操作（4学时）
课后作业：
实验实验一：Microsoft SQL Server Analysis Services 的使用
（授课时间：第六学期第十至十一周）教学目标：学习并掌握Analysis Services的操作，加深理解数据仓库中涉及的一 些概念，如多维数据集，事实表，维表，星型模型，雪花模型，联机 分析处理等。
主要内容：在实验之前，先通读自学SQL SERVER自带的Analysis Manager概 念与教程。按照自学教程的步骤，完成对FoodMart数据源的联机分 析。建立、编辑多维数据集，进行OLAP操作，看懂OLAP的分析 数据。
学 时：4学时教学方法：演示法/讲授/现场指导
实验类型：验证性实验实验二：使用WEKA进行关联规那么分析
（授课时间：第六学期第十二至十三周）
教学目标：掌握数据挖掘平台WEKA的使用。综合运用数据预处理、关联规那么 挖掘算法、结果的解释等知识进行数据挖掘。从而加深理解课程中的 相关知识点。
主要内容：阅读并理解WEKA的相关中英文资料，熟悉数据挖掘平台WEKA, 针对实际数据，能够使用WEKA进行数据的预处理，了解属性选择, 能选择合适的关联规那么算法对数据进行分析，并能解释分析结果。
学 时：4学时教学方法：演示法/讲授/现场指导
实验类型：综合性实验实验三：使用WEKA进行分类与预测
（授课时间：第六学期第十四至十五周）教学目标：掌握数据挖掘平台WEKA的使用。综合运用数据预处理、分类与预 测的挖掘算法、结果的解释等知识进行数据挖掘。从而加深理解课程 中的相关知识点。
主要内容：阅读并理解WEKA的相关中英文资料，熟悉数据挖掘平台WEKA, 针对实际数据，能够使用WEKA进行数据的预处理，能选择合适的 分类与预测算法对数据进行分析，并能解释分析结果。
学 时：4学时教学方法：演示法/讲授/现场指导
实验类型：综合性实验实验四：数据挖掘算法的程序实现
（授课时间：第六学期第十六至十七周）教学目标：运用数据挖掘、程序设计等相关知识，选择一个数据挖掘的常用算法 进行程序设计实现。加深对数据挖掘算法基本原理、详细执行过程和 具体应用情况的理解
主要内容：采用任何一种自己熟悉的编程语言，完成算法的程序设计，并在每个 程序设计语句后面进行详细的注释。能够运用实现的算法来解决某个 具体的问题，得到并解释程序运行的结果。推荐的算法:1关联规那么: Apriori 算法；2 分类与预测：ID3,C4.5,KNN,BP； 3 聚类:k-means 学 时：4学时教学方法：演示法/讲授/现场指导
实验类型：设计性实验
实验三、四也可以继续在Microsoft SQL Server Analysis Services进行。