《数据挖掘实用案例分析 教学大纲.docx》由会员分享,可在线阅读,更多相关《数据挖掘实用案例分析 教学大纲.docx(3页珍藏版)》请在第一文库网上搜索。
1、数据挖掘实用案例分析课程教学大纲学分:2实验学时:32一、课程性质与教学目标数据挖掘实用案例分析是信息与计算科学专业本科生的一门专业应用必修课程。本课程主要介绍数据挖掘在实际问题解决中的应用案例。学生在学习过程中可以通过大量的应用窠例和编程实战的学习,逐步掌握应用数据挖掘解决不同领域中实际问题的能力。本课程的先修课程为大学计算机基础、高等数学、数据结构、数据挖掘。二、基本要求通过本课程的教学,了解应用数据挖掘的不同方法解决实际问题的基本步骤和思想。能比较熟练地用数据挖掘软件进行关联规则挖掘、聚类分析和分类分析,解决实际问题。三、主要教学方法案例讲解、实验演示、讨论、上机实践。四、实验教学内容第
2、一讲数据预处理案例分析【授课学时】8学时【基本要求】通过案例及其实现来验证和实践每类数据预处理方法(数据缺失值、噪声数据、数据变换、数据降维等),加深对每种数据预处理方法的理解和感受。【教学重难点】重点:各类数据预处理的基本步骤。难点:实际问题中数据预处理的问题转化。【授课内容】数据缺失值;噪声数据;数据变换;数据降维;电力企业的窃漏电用户自动识别等。第二讲关联规则案例分析【授课学时】8学时【基本要求】通过案例及其软件实现来验证和实践关联规则挖掘在实际问题中的应用。熟悉数据关联规则挖掘方法(Apriori算法和FP-tree算法等),加深对每种关联规则挖掘方法的理解。【教学重难点】重点:Apr
3、iori算法和FP-tree算法的基本步骤。难点:实际问题中关联规则挖掘的问题转化。【授课内容】APriOri算法和FPtee算法实现;网站智能推荐服务;气象与输电线路的缺陷关联分析等。第三讲分类挖掘案例分析【授课学时】8学时【基本要求】通过案例及其软件实现来验证和实现分类挖掘在实际问题中的应用。熟悉数据分类挖掘方法(决策树算法和贝叶斯算法等),加深对每种分类挖掘方法的理解。【教学重难点】重点:决策树算法和贝叶斯算法的基本步骤。难点:实际问题中分类挖掘的问题转化和特征选择。【授课内容】决策树算法和贝叶斯算法实现;航空公司的客户价值分析等。第四讲聚类案例分析【授课学时】8学时【基本要求】通过案例
4、及其软件实现来验证和实现聚类挖掘在实际问题中的应用。熟悉数据聚类挖掘方法(k均值算法和层次聚类算法等),加深对每种聚类挖掘方法的理解。【教学重难点】重点:k-均值算法和层次聚类算法的基本步骤。难点:实际问题中聚类挖掘的问题转化和相似性计算方法。【授课内容】k.均值算法和层次聚类算法实现;基于基站定位数据的商圈分析等。六、考核方式考核类型:考查考核形式:闭卷七、主要参考资料1、MAT1AB数据分析与挖掘实战张良均,机械工业出版社,2015年。2、数据挖掘.你必须知道的32个经典案例任昱衡,电子工业出版社,2016年。3、机器学习周志华,清华大学出版社,2016年。4、机器学习PeterF1ach,人民邮电出版社,2016年。5、数据挖掘概念与技术JiaWeiHan,机械工业出版社,2015年。