《数据挖掘技术》教学大纲.docx

《《数据挖掘技术》教学大纲.docx》由会员分享，可在线阅读，更多相关《《数据挖掘技术》教学大纲.docx（7页珍藏版）》请在课桌文档上搜索。

1、数据挖掘技术教学大纲适用范围：2O2X版本科人才培抵方案涕程代码：（）8140201课程性质：专业必修课学分：4学分学时：64学时（理论48学时，实验16学时）先修课程：离等数学、畿性代数、概率论与数理统计后续课程：人工智能适用专业：数据科学与大数据技术开课单位：计驾机科学与技术学院一、课程说明夕数据挖掘技术课程是数据科学与大数据技术专业的一门专业必修课.本课程的主要任务是让学生掌握数据挖掘权本概念与算法，针对实际工作与应用中产生的大数据，用数据挖掘技术来发现数据中陷藏的知识或规律，从而为生产、生活、商务活动、社会活动等提供决策支持.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大数据

2、时代中的重要作用.了耨数据仓库的基本原理和实现方法,掌握数据预处理技术和数据挖掘常用舞法（包括关联分析、分类与预测,亲类分析、回归分析、数据摘要等,为解决实际问施打下坚实的知识茶础。二、课程目标通过本课程的学习,使学生达到如下目标：课程目标1:能够应用数学、自然科学和工程科学的基本原理,进行抽象分析与识别、建模表达.并通过文献研究分析数据科学与大数据技术额域或杂工程问起.以获得有效结论.课程目标2：培养团队合作的能力，追求思维礴撞：学会主动思考、思辨：培养自主学习的能力.小组合作完成设计开发解决方案,系统模块化完成大数据分析的数据预处理、隹愎、分析、可视化等阶段，课程目标3：通过引入课程刖政,

3、让学生明白工匠精神和精益求精的曳要性.具备大致据思维，从数据挖城与统计分析的角度分析未来的发展趋势,主动适应社会发展,成为国之重器，做对社会对国家有用之人.三、课程目标与毕业要求2数据挖军技术（课程教学目标对数据科学与大数据技术亚业毕业要求的支撑见表k*1课程做学目标与毕业要求关系毕业要求指标点课程目标支撑SA2.问J分析2.2能修认识到红杂工程问即力多种相互关联课程目标1：能够应用数学、自然科学和工程科学的基本原H和制约的因素，并通过分析文献寻求报佳解决方法.理,进行抽象分析与识别、建模表达，并通过文献研究分析数据科学与大数据技术领域更杂工程问题,以养知有效结论.3.设计/开发解决方案3.1

4、能蝮针对大数据应用系统设计与开发满足特定需求的模块或算法。课程目标2：培养团队合作的能力，追求思维碰撞：学会主动思考、思辨；培养自主学习的能力.小组合作完成设计开发解决方案，系统模块化完成大数据分析的数据预处理、建模、分析.可视化等阶段.I1.5.使用现代工具5.2能够选择与使用借当的技术、资源、现代工程工具和信息技术工具.对数据科学与大数据技术领域红象工程向网进行预测与模拟。源程目标1：能够应用数学、自然科学和工程科学的基本原理,进行抽象分析与识别、建模表达,并逋过文献研究分析数用科学与大数据技术领域复杂工程问胭，以获得有效结论，课程目标3通过引入课程思政,让学生明白工匠精神和精益求精的揖要

5、性.具招大数据刖爆,从数规检摘与统计分析的角度分析未来的发展桧势，主动适应社会发展，成为国之出器,做对社会对国家有用之人.H注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度.四、教学内容,基本要求与学时分配I.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配被学内容教学要求，教学:点魔点理论学时实验学时对应的课程目标1 .数据挖掘简介1.1 数据分析与数据挖搬1.2 数据挖掘的主要任务1.3 关联分析1.4 数据源1.5 数据佗掘技术1.6 数据挖掘的工具做学要求：使学生理解和掌握数据挖妲与机器学习的基本概念、数据挖柜过程、数据挖掂的主要任务以

6、及数据拉攫使用的主要技术.了解数据挖州与机器学习的应用和面临的问题.对数据柠掘和机器学习能期解决的问题和解决问题思路有清晰的i识.熟练Jff1.Jupyternotebook的开发环境点，熟悉数据挖掘技术及其开旗开发工具.充点，Pyhion数据挖掘工具屋的配置.21、2、32Python数据分析与挖基破2.1Python程序概述教学要求t使学生理解和掌握Py1.hOn璀础语法、内建的数据结构、NUmPy数值运算博础、PandaS统计分析基础，61、2、32.2Pyhton内建的数据结构2.3NUmPy数值计算基础2.4Pandas数据分析基础2.5MatPIotIib数据可视化掂础2.6Sci

7、kit-Iearn基础掌握MatDIoHib图表法制基础等数据分析和可视化方法。点IPy1.hUn基础语法、内建的数据结构、XUmPy数值运算基础、PandaS统计分析基础.选点：HaIP1。IIib图表绘制施础等数据分析和可视化方法。XU,iRft三3.1 数据对象与属性类型3.2 数据的基本铳计描述3.3 3数据可视化3.4度量数据的相似性和相异性教学要求：使学生了解数据的属性类型，理解数据的基本统计描述，掌握度量数据I1.1.似性和相异性的方法.重点I理耨和掌握数据对象和属性类型，数据的基本统计描述，掌握度垃数据相似性和相异性的方法。注点,了解数据可视化的方法。4k2.3数据9（处理4.

8、1数据预处理概念4.2数据清洗4.3数据集成4.4数据变化与离散化4.5数据归约”要求，使学生理解数据酒理、数据集成、数据规约、数据变换于数据离散化的方法，掌握数据预处理的基本方法.重点，数据预处理的目的和意义,如何对数柳进行清理,如何对不同数堀源的数据诳行合并，如何对数据进行变换，使之适合建模的需要。魔点，如何对数据进行消减.使得在消减后的数据集上挖掘更有效.利用Python进行数据预处埋的方法.411、2、35.回归分析5. 1回归的概念：5 .2一元线性回归：6 .3多元线性回归：5.4逻辑回归.教学要求：使学生了好掌握网归的定义，各类回归的原理及PyIhon实现，.点I回归分析的原理.

9、难点I元线性回归,逻辑回归.11、2、3&关联镇则挖掘1.1 1关联规则分析概述1.2 频繁项集挖掘方法1.3 关联规则评估方法教学要求：使学生了解频繁顶集、闭项集和关联规则的概念，理解模式评估方法.掌押Apriori算法和挖掘频繁项集的模式增长方法.点：关联规则的基本思想、楸念和意义关联规则挖掘的应用背景：掌握常用的关联规则算法。点,利用Python实现关联规则分析141、2、37.分类7.1基本概念7.2决策树归约7.3K近邻算法7.4支持向鼠机7.5贝叶斯分类7.6模型评估与选择7.7纲合分类教学要求：使学生J解分类的概念，理解评估分类器性能的度增方法,掌撵决策树分类算法、SVM、贝叶斯

10、分类算法、模型评估与选择、组合分类及利用PythOn实现分类的方法.点，常用的分类及预测算.法。难点，利用Python实现各种分类律法的方法.10】、2、3&聚类8.1聚类的概念8.2K-Means算法8.3层次聚类8.4基于密度的方法8.5聚类评估帙学襄求；了解决类的概念，掌握k-Means和k-Medoids算法、层次方法和基于密度的方法等典型算法及其PythOn的实现方法，点:掌握KMeans聚类、层次聚类、够于率度的聚类和其他常用方法。难点，掌握利用Sk1.eam实现聚类的方法.841、2、39.神经网络与深度学习9.1 基本原理9.2 BP神经网络9.3深度学习教学要求：掌握神经网络

11、基本原理：了解深度神经网络。KA.神经网络与深度学习的原理，难点，深度学习.21、2、310.育群点检潴9.1 基本概述9.2 离群点检测9.3 3异常值检测方法帙学要求，r解禹群点的概念、类型以及离群点检测的常用方法，掌维Sk1.eam中的界常值检测方法，点，离群点的概念与检测方法。难点ISk1.eam中的异常值检测方法.11、2、3合计48162.实验部分实验部分的教学内容、基本要求与学时分配见表3。表3实验项目、实验内容与学时实殴项目实验内容和要求实验学时对应的课程目标1.数据分析与可视化实内容，利用Pyihon进行数据分析与可觇化。实龄要求熟悉数据挖里开发环境Anaconda和Jupy

12、tcr.利川Python进行数掘顶处埋，清洗，合并，变基本分析和可视化。11、2、32.关联规则与回归分析实给内容：对数据文进行关联规则分析与回归分析。实验要求:利用PyIhon环境对数据诳行关联规则分析，多元线性回归和逻轼回归分析.11、2、33.数据的分类分析实验内容：对数据进行分类分析和算法应用.实验要求：用不同的分法实现给定数树集的分类分析，利用Pyihon处理分类分析的常用方法。.41.2、31.数据的聚类分析实验内容：对数据进行喔类分析和算法应用.实段要疝用不同的算法实现给定数据集11.2、3的聚类分析，利用Py1.hon处理聚类分析的常用方法。.合计16五、教学方法及手段本课程以

13、课堂讲授为主，采用后发式、讨论式教学和案例教学等，促进学生枳极思考，开发学生的潜能,培养学生处考问题、分析问题和解决问题的能力：以“少而精”为原则.精选教学内容,精讲多练：安排习题课.巩固课堂所学知识:结合学习通超星平台,中国大学翳课网，哗理哗呷视频网站等视频资源提供灵活的自主的学习方式。六、课程资源1 .推荐教材(1) W1.P2On数据挖掘与机器学习M北京：清华大学山版社，2021.(2)韩家炜.数据挖掘：柢念与技术第三版(M.北京：机械工业出版社.2012.(3)王国胤等.大数据挖掘及应用(第2版)(M.北京：清华大学出版社,2021.2 .参考书(1)周志华,机器学习IM.北京:清华大

14、学出版社,2016.(2) StevenBird,EwanK1.ein.Edward1.oper.Natura1.1.anguageProcessingwithPythonM.SevaStOPO1.:0REI1.1.Y.2009.(3)陈文H数据仓诲与数兆挖匏教程(第3版)M北京：机械工业出版社，2021.3 .期刊(1)牛佳忠.数据挖掘在人力资源信息化管理中的运用探析J)数字通信世界.2022.(03)：94.96.(2)陈新.论空间数据挖妲和知识发现的理论与方法几电脑知识与技术.2021.17(33):20-21.31.(3)货江墙.陈秀波.上行跣路F扰下双层网络中心数据挖掘方法J计算机仿

15、真，4 022.39(06):386-390.(4) Shai1.,M.N.c1.a1.Whym1.ydatamining?Api1.otstudyoninadequacyanddominationofdataminingtechno1.ogy.Ini.J.RecentSci.Rcs9.10(2018)：29swww.britannica.contechno1.ogy.,data-mining(2)王大宝的CD.数据桧掘你真的了解什么是数据挖掘和数据本身吗？R.O1.CSDN文库.20i7.h1.tps:/bkg.cSdn.nei.,sinat_225943O9/artic1.e.de1.ai

16、k/74923643.（3）术墙穿：物茶广州地区门店评价数据可视化与文本物掘IRO1.1.飞架官网，C2022-074-01）.https:/www.s（.七、课程考核对课程目标的支撑课程成统Hi过程性考核成绩和期末考核成绩两部分构成,具体考核/评价细则及对决程目标的支挣关系见表4.表4课程考核对瓷程目标的支撑考核环节占比考核/评价细则课程目标12315（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分.（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩555实验20（1）根据每个实验的实验操作完成情况和实物报告质求单独评分，满分100分：（2）每次实验单独评分，取各

17、次实验成绩的平均伯作为此环节的最终成绩。（3）以实称成绩乘以其在总评成绩中所占的比例计入课程总评成绩.5105作业15（1）主要考核学生对各草节知识点的双习、理解和掌握程度,满分100分：（2）每次作业单独评分.取各次成绩的平均值作为此环节的最终成绩.（3）以作业成缄乘以其在总评成绩中所占的比例it入课程总评成绩，555期末考核50（1）卷面成绩100分，以卷面成绩乘以其在总评成绩中所占的比例计入课程总评成绩.（2）主要考核方式为机试.考核内容为数据挖掘核心算法应用.（3）考试题里为；数据分析程序设计等。2525合计：100分402040八、考核与成绩评定1.考核方式及成MW定考核方式：本课程

18、主要以课堂友现、实验、作业、期末机试等方式对学生进行考核评价.考核基本要求：考核总成绩由期末机试成绩和过程性考核成绩组成.共中：期末机试成绩为100分（权重50%）,过程性考核成绩为100分（权重50%）；过程性考核和机试分假分配应与教学大纲各章节的学时基本成比例。2.过程性考核成愦的标准过程性考核方式重点考核内容、评价标准、所占比重见表5。*5过程性考核方式评价标痕考核方式所占比()100x9090x8080x7070x60x60源堂表现30积极参与教学活动,踊跃回答问题,准确率大于90认出参与教学活动，回答问题准确率大于80%。偶尔参与教学活动，回答问题准确率大于70%。Jt课不认a.偶尔

19、参与教学活动，上课不认真，不参与教学活动.作业30作业完整,思路清晰，准确率大于90%.作业完整，准确率大于80%不交作业2次以内,准确军大干70%,不交作业4次以内,准确率大于60%.不交作业5次以上,准确率小于60%.实验40实验预习认ft.能够熟练掌握方法与步骤，实蛉操作过程熟练、规范，遵规守纪、团结协作，实验结果详实、结论清谢、讨论合理实验前有预，FI匕Vx*R握方法与步J,-J30.作过程正氾遵规守纪、团结协作,实验结果正确、讨论适实验前有预习,基本能够掌握方法与步骤，实验操作过程基本正确、无协作，实验结果基本正确.讨论一收实验前有预习，不能掌握方法与步骤，实验搽作过程基本正确,无协作,实验结果基本正确，无讨论没有预习不能完成实蛉；实蕤操作步骤有误：实验结果不正确,没有分析时I匕