数据挖掘 课程标准

数据挖掘课程教学大纲

课程名称：数据挖掘 课程名称：Loosen Data 课程编号：103186 课程类型：专业课 学 时：36

适用专业：统计学专业本科 先修课程：概率论、数理统计等 一、课程的性质、目的与任务

本课程是统计学专业的一门重要的专业课程。通过学习，使学生理解数据挖掘的基本流程，掌握数据挖掘的基本理论和技术，熟悉数据挖掘成果的显示；掌握数据挖掘的基本方法，能熟练地应用数据挖掘技术对现实数据进行有效的分析；结合相关统计软件能从大量统计数据中获取有价值的信息。

二、课程的内容（包括理论教学和实践教学）及学时分配 讲习题课 课 36 教 学 环 节 课 时 安 排 讨论实验上实课程毕业设计（论课 课 机 习 设计 文） 其它 合计 36 第一部分 总论（6学时） 【目的要求】

了解数据挖掘的基本概念和该课程的基本内容。 【教学内容】

数据挖掘的基本概念，包括统计数据分析的基本方法、数据库、统计建模等。

第二部分 数据挖掘的基本流程（6学时） 【目的要求】

了解数据挖掘在各部门应用的特点；熟悉数据挖掘的基本流程；掌握数据清洗、提取训练集的基本方法。 【教学内容】

数据挖掘在各部门应用的特点，数据挖掘的基本流程：包括数据清洗或准备、提取训练集、进行数据挖掘工作、将数据挖掘出来的成果回馈到原始数据中加以验证并应用于实践，数据清洗、提取训练集的基本方法。

第三部分 数据挖掘的基本分析方法（6学时） 【目的要求】

掌握数据挖掘的基本分析方法，包括资料采掘于电子化、复杂度分析、分类集群方法、基因演算法与关联分析、线上即时分析与信息科学方法、树分类与K-mean分类方法、状态趋势判别；熟悉各种方法的应用的特点；了解其他一些统计分析方法在数据挖掘的应用。 【教学内容】

料采掘于电子化、复杂度分析、分类集群方法、基因演算法与关联分析、线上即时分析与信息科学方法，数据挖掘的应用。 第四部分 数据挖掘建模方法（6学时） 【目的要求】

掌握数据挖掘的基本建模方法，包括建模——罗击斯回归分析、建模——人工类神经网络、建模——行销篮分析、巨型资料集分析、时间序列分析；熟悉各种方法的应用特点，各种模型应用时的假设条件；了解其他一些建模方法在数据挖掘中的应用。 【教学内容】

数据挖掘的基本建模方法，建模——罗击斯回归分析、建模——人工类神经网络，建模——行销篮分析、巨型资料集分析、时间序列分析，型应用时的假设条件，建模方法在数据挖掘中的应用。 第五部分 数据挖掘成果显示（6学时） 【目的要求】

掌握数据挖掘成果显示的基本方法；熟悉各种显示方法的基本操作：包括高维度图形、资料库与资料仓储和资料采掘软件等；了解数据挖掘成果其他显示方式。 【教学内容】

数据挖掘成果显示的基本方法，维度图形、资料库与资料仓储和资料采掘软件，数据挖掘成果其他显示方式。 第六部分 数据挖掘技术仿真（6学时） 【目的要求】

要求利用基本的数据挖掘技术对企业的统计资料进行简单的数据处理，并显示出各种成果。 【教学内容】

基本的数据挖掘技术的定义，实际应用。 三、教材及参考书

教 材：

《实用数据分析方法》，吴国富，中国统计出版社，1999年9月。

参考书：

《Data Mining－Concepts and Techniques》,Jiawei han, Morgan Kaufmann Publishers，1996.7；

《探索性数据分析》，David C.hoaglin，中国统计出版社，1998年4月； 《现代统计学与SAS应用》，胡良平，军事医学科学出版社，2000年2月。

本文来源：https://www.bwwdw.com/article/u5ht.html