课程简介
course introduction
数据挖掘就是一种重要的商业信息处理技术，通过对大量业务数据进行抽取、转换、分析和建模处理，以提取辅助商业决策的关键性数据。本课程以商业领域中的问题为背景，重点在数据挖掘技术的应用。内容上分为三个层次。认识篇从整体上介绍数据挖掘的各种技术和数据挖掘建模过程，了解数据挖掘技术在商业领域中的应用概貌。技术篇介绍数据挖掘中的聚类分析、分类、回归、关联规则挖掘、离群点检测等方法；案例篇展示数据挖掘在不同行业中的应用案例，期望通过案例的分析使学习者能够理解如何应用数据挖掘技术解决商业领域中的问题。
教学大纲
teaching syllabus
周次 | 周学时 | 主要教学内容 | 教学方式 |
1 | 3 | 第1章 绪论 | 讲授 |
2 | 3 | 第2章 数据挖掘建模方法 基于数据挖掘的电信数据分析（第10章） | 讲授 |
3 | 3 | 第3章 为挖掘准备数据 | 讲授 |
4 | 3 | 第4章 聚类分析 4.1 概述 4.2 相似性度量 4.3 k-means 算法及其改进 4.3.1 k-means 算法 | 讲授 |
5 | 3 | 4.3.2 k-means算法的拓展 4.5 一趟聚类算法 4.6 层次聚类算法 4.8 聚类算法评价 | 讲授 |
6 | 3 | 实验一:clementine数据预处理节点的基本操作，聚类节点的使用 | 实操 |
7 | 3 | 第5章 分类 5.1 概述 5.2 决策树分类方法(1) | 讲授 |
8 | 3 | 5.2 决策树分类方法(2) 5.3 贝叶斯分类方法 | 讲授 |
9 | 3 | 5.4 knn分类方法 5.5 集成分类器 5.6 分类方法评价 | 讲授 |
10 | 3 | 实验二:分类节点的使用 | 实操 |
11 | 3 | 第6章 关联分析 | 讲授 |
12 | 3 | 实验三:apriori节点，落实每组大作业的选题 | 实操、研讨 |
13 | 3 | 第7章 离群点检测 | 讲授 |
14 | 3 | 实验四:anomaly节点的使用，大作业检查 | 实操、研讨 |
15 | 3 | 实验五:大作业检查，复习 | 研讨 |
16 | 3 | 大作业答辩 |
留言板
message board
