1、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
2、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
3、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、
（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
5、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。
浙ICP备2021020529号-1 | 浙B2-20240490 
