数据挖掘教学大纲

数据挖掘课程名称：数据挖掘/DataMining学时/学分：48学时/3学分先修课程：数据库适用专业：计算机科学与技术、软件工程及相关专业开课院（系、部、室）：数学与统计学院一、课程的性质、教学目的与要求本课程以数据挖掘为主要内容，主要介绍实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析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SASEnterpriseMiner的使用，培养学生数据分析和处理的能力。先修课程：《数据库原理》、《SAS软件基础》。通过《数据挖掘》课程的教学，使学生理解数据挖掘的基本概念和方法，学习和掌握SASEnterpriseMiner中的数据挖掘方法。学生能够借助SASEnterpriseMiner软件工具进行具体数据的挖掘分析。二、《数据挖掘》课程的基本要求、主要教学内容与学时分配（总学时48）第一章数据挖掘导论（8学时）（一）教学目的和要求本章主要介绍数据挖掘的基本概念和功能，并能熟悉掌握。同时要求了解数据挖掘的系统分类。（二）主要内容第一节数据挖掘发展概述1、功能介绍2、基本应用概述第二节数据挖掘功能1、概念描述：定性与对比2、关联分析3、分类与预测4、聚类分析5、异类分析6、演化分析第三节数据挖掘系统1、系统分类2、系统应用3、数据挖掘在医学信息系统和社会保险领域的应用（三）重点难点重点、难点：掌握数据挖掘功能、数据挖掘系统的应用第二章数据预处理（8学时）（一）教学目的与要求主要介绍数据库中的知识发现处理过程，了解数据预处理的重要性，熟悉掌握数据预处理的方法。（二）主要内容第一节数据清洗1、噪声数据处理2、不一致数据处理第二节数据集成与转换1、数据集成处理2、数据转换处理（三）重点难点重点、难点：掌握数据集成与转换第三章分类与预测（12学时）（一）教学目的与要求主要介绍分类与预测基本知识，要求掌握基本知识，并了解各项分类和预测方法的使用。（二）主要内容第一节分类与预测基本知识1、分类基础2、预测基础第二节基于决策树的分类第三节贝叶斯分类第四节神经网络分类第五节预测方法1、线性与多变量回归2、非线性回归3、其他回归模型（三）重点难点重点、难点：了解基于决策树的分类、贝叶斯分类第四章聚类分析（12学时）（一）教学目的与要求本章主要介绍聚类分析基本概念，并介绍聚类分析的一些基本方法。（二）主要内容1、基础知识2、聚类分析方法：K－MEANS算法等（三）重点难点重点、难点：聚类分析方法：K－MEANS算法等的应用