《数据分析与挖掘》教学大纲

一、课程的基本信息

课程编号：02210216                      课程性质：专业课/必修课

学    时：48                            学    分：2.5

开课单位：信息管理学院                  适用专业：电子商务专业

先修课程：计算机文化基础、C语言程序设计、统计学、数据库                         

二、课程目的与任务

数据挖掘是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据矿山中找到蕴藏的知识金块，将为知识创新和知识经济的发展作出贡献。 本课程全面而又系统地介绍了知识发现的方法和技术，反映了当前知识发现研究的最新成果。

本课程的重点在培养学生的实际分析数据及处理数据的能力。

三、课程教学基本要求

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、关联规则、聚类算法、贝叶斯分类算法、支持向量机、神经网络），以及数据挖掘当前的研究动向

四、教学内容及学时分配

第1章　绪论（2课时）

教学内容：

（1）数据挖掘的概念

（2）数据挖掘的历史及发展        

（3）数据挖掘的研究内容及功能    

（4）数据挖掘的常用技术及工具

重点：数据挖掘的研究内容及功能

难点：数据挖掘的常用技术及工具

第2章　数据预处理（4课时）

教学内容：

（1）数据预处理的目地    

（2）数据清理    

（3）数据集成和数据变换    

（4）数据归约

（5）特征选择与提取

重点：数据集成和数据变换

难点：特征选择与提取

第3章　关联规则挖掘（4课时）

教学内容：

（1）基本概念    

（2）关联规则挖掘算法---Apriori算法原理

（3）Apriori算法实例分析

（4）Apriori算法源程序分析

（5）Apriori算法的特点及应用

重点：关联规则挖掘算法---Apriori算法原理    

难点：关联规则挖掘算法---Apriori算法原理

第4章决策树分类算法（4课时）

教学内容：

（1）基本概念

（2）决策树分类算法---ID3算法原理    

（3）ID3算法实例分析    

（4）ID3算法源程序分析

（5）ID3算法的特点及应用

（6）决策树分类算法---C4.5算法原理

重点：决策树分类算法---ID3算法原理

难点：决策树分类算法---ID3算法原理

第5章　贝叶斯分类算法（4课时）

教学内容：

（1）基本概念        

（2）贝叶斯分类算法原理    

（3）贝叶斯分类算法实例分析    

（4）贝叶斯分类算法源程序分析    

（5）贝叶斯分类算法特点及应用    

重点：贝叶斯分类算法原理

难点：贝叶斯分类算法原理

第6章　人工神经网络算法（4课时）

教学内容：

（1）基本概念

（2）BP算法原理    

（3）BP算法实例分析

（4）BP算法源程序分析

（5）BP算法的特点及应用

重点：BP算法原理

难点：BP算法原理

第7章　支持向量机（4课时）

教学内容：

（1）基本概念

（2）支持向量机原理    

（3）支持向量机实例分析

（4）支持向量机的特点及应用

重点：支持向量机原理

难点：支持向量机原理

第8章　K-means聚类算法（2课时）

教学内容：

（1）基本概念

（2）K-means聚类算法原理    

（3）K-means聚类算法实例分析

（4）K-means聚类算法源程序分析

（5）K-means聚类算法的特点及应用

重点：K-means聚类算法原理

难点：K-means聚类算法原理

第9章　K-中心点聚类算法（2课时）

教学内容：

（1）基本概念

（2）K-中心点聚类算法原理    

（3）K-中心点聚类算法实例分析

（4）K-中心点聚类算法源程序分析

（5）K-中心点聚类算法的特点及应用

重点：K-中心点聚类算法原理

难点：K-中心点聚类算法原理

第10章　神经网络聚类算法：SOM（2课时）

教学内容：

（1）基本概念

（2）竞争学习算法基础    

（3）SOM算法原理

（4）SOM算法原理实例分析

（5）SOM算法原理源程序分析

（6）SOM算法原理的特点及应用

重点：SOM算法原理

难点：SOM算法原理

六、考核方式与成绩评定

考核方式：考试

成绩评定：本课程成绩构成比例为：期末考核成绩占总成绩的 70 %，平时成绩占总成绩的30 %；平时成绩的各部分占总成绩比例分别为：考勤占5%，课堂测验成绩占5%，实验占15%，作业占5%

期末总评成绩＝平时成绩×30%+考核成绩×70%。

补考方法： 总评成绩低于60分的学生，须参加学院统一组织的补考。

补考成绩：卷面成绩60分以上（含60分）按60分计，卷面成绩60分以下按卷面成绩计。

七、教材与主要参考书目

教 材：

《数据挖掘算法原理与实现》，王振武，清华大学出版社，2017年1月

参考书：

《数据挖掘导论》，Pang-Ning Tan,Michael Steinbach,Vipin Kumar著，范明，范宏建等译 人民邮电出版社，2011年1月。

八、大纲编写必要的说明

执笔人签字：               

教研室主任签字：               

                                                分管教学领导签字：                

制订日期：        年  月  日