《数据挖掘基础》教学大纲.docx

数据挖掘基础Introduction of Data Mining一、课程基本情况课程类别：专业任选课课程学分：2学分课程总学时：32学时，其中讲课：32学时课程性质：选修开课学期：第5学期先修课程：程序设计、数据结构、数据库原理、人工智能、数理统计适用专业：信息工程专业本科生教 材：数据挖掘概念与技术（原书第三版），机械工业出版社，（ill） Jiawei Han, Micheline Kamber 编；2012,第 3 版开课单位：电子与信息工程学院 信息工程系二、课程性质、教学目标和任务信息技术的迅速开展已从简单的批处理、联机事务处理的信息处理时代，进入了联机分 析处理、数据仓库和数据挖掘的信息分析时代。数据仓库以数据库技术作为存储数据和资源 管理的手段，以联机分析处理技术和方法作为提取信息的有效手段，以数据挖掘和人工智能 的模型、算法作为发现知识和规律的途径。数据挖掘是数据库研究、开发和应用最活跃的分 支之一。本课程系统地介绍了数据挖掘的基本概念、基本方法和基本技术。要求学生通过本 课程的学习，认识数据仓库和数据挖掘在当今计算机应用中的重要作用，深入了解数据仓库 的原理和实现方法以及数据挖掘的整体结构，掌握数据挖掘技术（包括分类、预测、关联和 聚类的概念与技术），并且熟悉数据挖掘的基本原理和开展方向。通过课程作也和课程实验， 要求学生能够将理论与实践相结合。三、教学内容和要求1、引言（2学时）（1）理解数据挖掘的主要问题；（2）掌握数据挖掘系统的分类；重点：什么是数据挖掘，在何种数据上进行数据挖掘，数据挖掘的主要问题。难点：数据挖掘系统的分类。2、数据预处理（4学时）（1）理解为何进行数据预处理；（2）掌握数据清理的方法；（3）掌握数据离散化和概念分层生成；重点：数据清理的方法，数据集成和变换，数据规约。难点：数据离散化和概念分层生成。3、挖掘大型数据库中的关联规那么（8学时）（1）掌握关联规那么适用的场合；（2）理解事务数据库挖掘单维关联规那么；（3）理解关联规那么到相关性分析；（4） 了解基于约束的关联挖掘方法；重点：关联规那么挖掘的方法，关联规那么到相关性分析。难点：关联规那么挖掘的几种典型算法，如Apriori算法。4、分类和预测（8学时）（1）理解分类和预测的定义；（2）掌握判定树归纳分类的方法；（3）掌握贝叶斯分类方法；（4）理解预测的方法；重点：分类和预防的主要问题，判定树分类方法，贝叶斯分类方法，预测方法。难点：贝叶斯分类方法，预测方法。5、聚类分析（8学时）（1）理解聚类分析的定义；（2）掌握聚类方法的分类；（3）理解层次方法和划分方法；（4） 了解基于密度的聚类方法，基于网格的聚类方法；重点：聚类方法的分类，层次方法，划分方法。难点：典型的聚类算法，如K-Means算法等。6、应用与开展趋势（2学时）（1）数据挖掘在各个行业中的应用；（2）数据挖掘系统产品与研究原型；（3）数据挖掘的其他主题；（4）数据挖掘的开展趋势；重点：数据挖掘的应用，数据挖掘的开展趋势。四、课程考核1、作业：4次；2、考核方式：卷面考试或者课程论文1篇。3、总评成绩计算方式：平时成绩20%、考试卷面成绩或课程论文成绩80%等综合计算。五、参考书目1、数据挖掘导论人民邮电出版社，Pang-NingTan等著，范明等译；2011年，第2 版。2、数据挖掘：实用机器学习工具与技术机械工业出版社，Ian H.Witten等著；2012 年，第3版。3、数据挖掘中国科学技术大学出版社，朱明编；2008年，第2版；4、数据挖掘原理机械工业出版社,David Hand, Heikki Mannila, Padhraic Smvth编； 2003年，第1版。5、R语言与数据挖掘最正确实践和经典案例机械工业出版社，YanchangZhao著，陈 建等译；2014年，第1版。