《商业数据挖掘》教学大纲.docx

商业数据挖掘
Business Data Mining
一、课程基本情况课程类别：专业方向课
课程学分：3学分课程总学时：48学时，其中讲课：26学时，上机：22学时
课程性质：选修开课学期：第4学期
先修课程：概率论与数理统计、数据库原理及应用、数据结构适用专业：信息管理与信息系统
教 材：数据挖掘概念与技术，机械工业出版社，Jiawei Han, Micheline Kamber著，范明 等译，2012年，第三版。
开课单位：经济管理学院信管系二、课程性质、教学目标和任务
数据挖掘是一门新兴的交叉性学科，是在信息技术领域迅速兴起的计算机技术，是数据 库研究、开发和应用最活跃的分支之一。本课程根据我校人才培养的特点和要求，面向信息 管理与信息系统本科专业，从企业实际应用出发，全面、系统地介绍数据挖掘的基本概念、 基本方法和基本技术以及数据挖掘的最新进展，使学生对数据挖掘的整体结构、概念和技术 有深入的认识和了解。通过对商业数据的分析使学生更加深入地理解常用的数据挖掘模型， 掌握大型数据挖掘软件SPSS Clementine的使用，培养学生将实际的商业问题转化为数据挖 掘目标，理解和收集数据，应用数据挖掘工具建模，评估模型以判断是否符合商业目的，并 将发现的结果组织成可读文本的能力，使学生的理论知识和实践技能得到共同开展。
三、教学内容和要求
1 .引言（2学时）
（1）掌握数据挖掘概念、数据挖掘功能；
（2）熟悉数据挖掘的数据对象；
（3）理解数据挖掘模式；
（4） 了解数据挖掘系统的分类；
（5）熟悉数据挖掘系统产品和研究原型；
（6）初步了解数据挖掘的应用。
重点：数据挖掘的概念和功能
难点：数据挖掘的功能
2.数据预处理（4学时）
（1）了解数据预处理的作用及原因；
（2）掌握数据预处理的各种形式；
（3）熟悉数据清理、数据集成和变换、数据归约的方法；
（4） 了解离散化和概念分层生成；
重点：数据预处理的形式
难点：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（4学时）
（1）了解关联规那么的基本思想、概念和意义；
（2）掌握经典Apriori算法;
（3）理解相关分析的意义；
4 4） 了解由事务数据库挖掘多层关联规那么的方法步骤；
（5）初步了解由关系数据库和数据仓库挖掘多维关联规那么；
重点：关联规那么挖掘的aprior算法
难点：相关分析
5 .分类和预测（4学时）
（1）了解分类及预测的基本思想、概念和意义；
（2）掌握决策树归纳分类算法；
（3）理解贝叶斯分类；
（4）掌握常用的预测算法；
（5） 了解分类及预测挖掘的研究动态；
重点：决策树归纳算法
难点：决策树归纳算法的属性选择
5.聚类分析（4学时）
（1）了解聚类分析的基本思想、概念和意义；
（2）熟悉相异度的度量方法；
（3）掌握常用的聚类算法；
（4） 了解聚类分析的研究动态；
重点：k・means算法
难点：相异度计算
6. SPSS Clementine 基础（2 学时）
（1）初步了解 SPSS Clementine 的功能；
（2）掌握数据读入SPSS Clementine的一些方法
（3）学会使用SPSS Clementine中一些可用的数据处理技术，并使用这些技术清洗和精炼数 据
重点：数据读入SPSS Clementine的方法
难点：CLEM
7. SPSS Clementine 建模技术（6 学时）
（1）掌握SPSS Clementine的常用建模节点如aprior节点、C5.0节点、C&R树节点、k-means 节点、kohonen 节点等。
（2）理解数据建模的结果。
重点：SPSS Clementine的常用建模节点
难点：SPSS Clementine的常用建模节点四、课程考核
（1）作业等：作业：3次，课程论文：1篇；
（2）考核方式：课程论文
（3）总评成绩计算方式：平时成绩、实验成绩、期中考试成绩和期末考试成绩等综合计算五、参考书目
（1）数据挖掘：概念、模型、方法和算法，错误!未找到引用源。，（美）坎塔尔季奇著， 译，2013年，第2版。
（2）数据挖掘导论（完整版），人民邮电出版社（美）陈封能，（美）斯坦巴赫，（美）库玛 尔著，范明等译，2011年
（3）大数据：互联网大规模数据挖掘与分布式处理，，［美］Anand Rajaraman Jeffrey DavidUllman著，王斌译，2012年
（4）数据挖掘技术（第3版）一一应用于市场营销、销售与客户关系管理，美）等著，等 译，2013年。