大数据挖掘课程

《海量数据挖掘技术及工程实践》题目

一、单选题（共80题）

1) ( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到

和原始数据相同的分析结果。

A.数据清洗 B.数据集成 C.数据变换 D.数据归约

2) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖

掘的哪类问题？(A)

A. 关联规则发现 B. 聚类

C. 分类 D. 自然语言处理

3) 以下两种描述分别对应哪两种对分类算法的评价标准？ (A)

(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC

4) 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)

A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘

5) 当不知道数据所带标签时，可以使用哪种技术

试验设计及数据挖掘技术课程设计

（2011年11月10日）

一、均匀设计试验方案的构造（10/每小项，共20分）

已知一试验有四个因素，他们的试验范围及因素水平见表1： 表1、因素水平表 NO. X1 X2 X3 X4 1 20 80 200 120 2 25 85 250 125 3 30 90 300 130 4 35 95 350 135 5 40 400 140 6 45 450 145 7 50 150 8 55 155 9 60 160 10 65 165 11 70 170 12 75 1、请给出12拟水平的因素水平表 NO. X1 X2 X3 X4

2、请给出12拟水平的试验方案 NO. X1 X2 X3 X4

二、回归分析建模（15分/每小项，共30分）

表2、试验方案及结果 No. 1

1 20 80 200 120 2 25 80 200 125 3 30 80 250 130 4 35 85 250 135 5 40 85 300 140 6 45 85 300 145 7 50 90 350 150 8 55 90 350 155

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

附表A1

西安欧亚学院

数据挖掘技术与实验课

程论文

题 目

西安市小寨商圈满意度因子分析

学生姓名 学生学号 所在分院 专 业 班 级 提交日期

李娜 12511500000426 金融学院 经济统计学

统本统计13级管理统计方向

二〇一六年5月

数据挖掘技术与实验课程论文

摘 要（宋体 3号字体 居中加粗） 空一行 在经济全球化的背景下，增强国际竞争力是企业生存的客观要求，也是企业发展壮大的必然选择。??(宋体 小4号字体 行距为“固定值”20磅 )

?? ?? ??

空一行 关键词（宋体 3号字体加粗）：关键词1；关键词2；关键词34号字体）

（宋体 小

数据挖掘技术与实验课程论文

目 录（宋体 三号字体加粗 居中） 空一行 1引言 ............................................................. 1 .

.

.

参考文献 .................................................

数据挖掘课程实验指导

董春玲

实验课程名称： 数据挖掘技术 英 文 名 称： the Techniques of Data Mining 课 程 编 号： 4144316 学院、专业、年级： 人口˙资源与环境学院 地理信息系统专业 教师所在单位： 人口˙资源与环境学院

山东师范大学实验教学指导

内容概要

一、SQL Server 2000 Analysis Services体系结构 二、SQL Server Analysis Serivices数据挖掘方法

1. 微软决策树的基本概念 2. 微软决策树的挖掘参数 3. 微软聚类算法

三、零售业数据挖掘系统的设计

1. 零售业（超市）的数据挖掘需求分析 2. 数据挖掘流程

3．零售行业的数据挖掘系统设计 4. 数据挖掘模型设计 5．数据仓库设计

四、数据挖掘模型的建构

1. 创建和连接数据库 2. 建立多维数据集（立方体）

主要内容：在建立多维数据集的基础上，分别完成基于数据仓库（OLAP多维数据集）、关系属据库，以及分别基于微软决策树、微软聚类算法的数据

大数据平台下的数据挖掘解决方案V3.0

大数据平台下的数据挖掘

解 决 方 案

大数据平台下的数据挖掘解决方案V3.0

目 录

一 数据管理的现状 .................................................................................. 1 二 数据挖掘的概述 .................................................................................. 2

（一） （二）

数据挖掘概念 ........................................................................................ 2 数据挖掘目标 ........................................................................................ 3

三 数据挖掘体系 .............................................................

大数据平台下的数据挖掘解决方案V3.0

大数据平台下的数据挖掘

解 决 方 案

大数据平台下的数据挖掘解决方案V3.0

目 录

一 数据管理的现状 .................................................................................. 1 二 数据挖掘的概述 .................................................................................. 2

（一） （二）

数据挖掘概念 ........................................................................................ 2 数据挖掘目标 ........................................................................................ 3

三 数据挖掘体系 .............................................................

龙源期刊网 http://www.qikan.com.cn

浅析大数据时代物流信息的挖掘与应用

作者：杨曙

来源：《电脑知识与技术》2017年第18期

摘要：伴随信息技术的飞速进步，为电子商务发展创造了良好契机，近年来，人们对物流市场需求逐步攀升，大数据时代，物流企业不可避免的面临着如何从庞大数据中挖掘有效数据的困境。文章通过阐述大数据时代下的物流行业发展现状，分析物流管理系统中的物流信息挖掘，对数据挖掘在物流信息系统中的应用展开探讨，旨在为如何促进大数据时代物流行业有序健康发展研究适用提供一些思路。

关键词：大数据；物流信息；数据挖掘；应用

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）18-0001-02

大数据时代下，人们对物流需求提出了越来越严苛的要求，如此一来，物流企业应当紧随社会发展脚步，推进企业自身运作流程的优化改良，通过不断创造出更具针对性、更高质量的物流服务，以实现对物流市场发展需求的有效满足。数据挖掘技术可对事物相互间关联性进行充分挖掘，具备一系列优势功能，所以可对物流中产生的海量信息开展有效整合，为物流企业制定决策提供可靠依

详细介绍R+Hadoop系统结构、案例以及优缺点分析等

1 基本介绍

1.1 简介

RHadoop是运行R语言的Hadoop分布式计算平台的简称。要认识Rhadoop首先我们分别来认识R语言和Hadoop。

Hadoop已经成名好多年了，它是Apache软件基金会旗下的一个JAVA开源分布式计算平台，现已被各大互联网企业（包括Yahoo和Facebook等）用于大规模数据分布式存储与分布式计算。近年来随着云计算、大数据处理、数据挖掘等概念和应用越来越火，Hadoop更是名声大噪，各大企业对熟悉Hadoop体系架构和性能优化的人才需求也相当旺盛，人才缺口也相对加大。

R语言可能对大多数人来说比较陌生，但是做数理统计、数据分析的人不会不知道R。R是一门主要运用于统计分析与绘图的编程语言和操作工具。和Matlab类似，R是一门高级脚本化编程语言，直接在命令行输入指令即可运行，无需编译链接。它可以进行高效的向量化运算，效率远高于传统的循环运算。另外，R是开源的，有大批杰出的工程师和程序员为R开发了许多好用的函数库和图形化工具，尤其在数理统计方面有大量成熟的开源的程序包。所以R是做数据挖掘、数据分析的廉价高效的方案。

1.2 功能

Rhadoop是将R的强大统计分析

现在市场上有很多大数据培训机构，各家教学模式各有不同，但有关课程确是差异不大。大数据培训课程好不好学，针对不同基础的学员而言，各有其回答。

针对大数据培训有四种学员类型，据此可以分为四种不同类型的培训周期。

1.学制为六个月的学习周期

一般拥有计算机编程基础的同学，即大专及以上学历适用于本学习周期。拥有计算机编程基础的学生，入学经过考核后可以直接进入大数据课程培训，学习周期比较短学费也会相应减少，对于有计算机基础的学员来说大数据培训周期在六个月左右即可。

2.学制为十个月/十六个月的学习周期

零基础学员学习大数据一般在十个月到十六个月左右，此阶段适用于高中及以上的孩子学习。零基础学员既没有计算机编程能力也没有统计学相关背景，所以要从最基本的编程语言开始学习。零基础学员通过学习，具备一定的大数据基础和学习能力之后就可以开始学习

大数据相关课程了。

3.学制为三年的学习周期

学制为三年的学习模式，适用于初中及以上学历的孩子。有些学员认为几个月的培训时间过短，不能真正掌握大数据技术。针对这一点，学员可以选择周期较长的班级进行学习，这不仅保障了学员可以掌握大数据等有关知识，还可通过项目训练等形式使学员更受企业青睐，从而实现高薪就业。