數(shù)據(jù)挖掘與機器學(xué)習(xí)教學(xué)大綱

1、數(shù)據(jù)挖掘與機器學(xué)習(xí)教學(xué)大綱01課程性質(zhì)本課程以數(shù)據(jù)挖掘和機器學(xué)習(xí)為主要內(nèi)容，講述實現(xiàn)數(shù)據(jù)挖掘的主要功能、數(shù)據(jù)挖掘、機器學(xué)習(xí)算法和應(yīng)用，并通過對實際數(shù)據(jù)的分析更加深入地理解常用的數(shù)據(jù)挖掘與機器學(xué)習(xí)模型。培養(yǎng)學(xué)生數(shù)據(jù)分析和處理的能力。該課程的先修課程有概率論與數(shù)理統(tǒng)計、數(shù)據(jù)庫原理和程序設(shè)計等。02教學(xué)IJ的本課程的主要目的是培養(yǎng)學(xué)生的數(shù)據(jù)挖掘與機器學(xué)習(xí)的理論分析與應(yīng)用實踐的綜合能力。通過本課程的教學(xué)，使學(xué)生掌握數(shù)據(jù)挖掘和機器學(xué)習(xí)的一般原理和處理方法，能使用機器學(xué)習(xí)理論解決數(shù)據(jù)挖掘相關(guān)的問題。03教學(xué)內(nèi)容本課程全面而又系統(tǒng)地介紹了數(shù)據(jù)挖掘與機器學(xué)習(xí)的方法和技術(shù)，反映了當(dāng)前數(shù)據(jù)挖掘和機器學(xué)習(xí)研究的最新

2、成果。本課程主要學(xué)習(xí)的內(nèi)容包括Python數(shù)據(jù)分析與可視化基礎(chǔ)、認(rèn)識數(shù)據(jù)、數(shù)據(jù)預(yù)處理、回歸分析.關(guān)聯(lián)規(guī)則挖掘、分類與預(yù)測、聚類分析、神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)基礎(chǔ)、離群點檢測以及Python數(shù)據(jù)挖掘案例分析等內(nèi)容。04教學(xué)時數(shù)本課程的教學(xué)時數(shù)為72學(xué)時，理論教學(xué)54學(xué)時，實驗教學(xué)18學(xué)時。第一章數(shù)據(jù)挖掘概述教學(xué)要點：1 ?理解和掌握數(shù)據(jù)挖掘與機器學(xué)習(xí)的基本概念、數(shù)據(jù)挖掘過程、數(shù)據(jù)挖掘的主要任務(wù)以及數(shù)據(jù)挖掘使用的主要技術(shù)。2 .了解數(shù)據(jù)挖掘與機器學(xué)習(xí)的應(yīng)用和面臨的問題。3 .對數(shù)據(jù)挖掘和機器學(xué)習(xí)能夠解決的問題和解決問題思路有清晰的認(rèn)識。4?熟練應(yīng)用Jupyternotebook的開發(fā)環(huán)境。教學(xué)時數(shù)：4學(xué)

3、時?？己艘c：了解數(shù)拯挖掘的左義和功能，理解數(shù)據(jù)挖掘在何種數(shù)據(jù)上進(jìn)行，數(shù)據(jù)挖掘可以挖掘什么類型的模式，掌握初級的數(shù)據(jù)分析方法。第二章Python數(shù)據(jù)分析與挖掘基礎(chǔ)教學(xué)要點：1 ?理解和掌握Python基礎(chǔ)語法、內(nèi)建的數(shù)據(jù)結(jié)構(gòu)、Numpy數(shù)值運算基礎(chǔ)、Pandas統(tǒng)計分析基礎(chǔ).2 .掌握Matplotlib圖表繪制基礎(chǔ)等數(shù)據(jù)分析和可視化方法。教學(xué)時數(shù)：6學(xué)時?？己艘c：掌握Python編程基礎(chǔ)，數(shù)據(jù)分析與可視化方法。第三章認(rèn)識數(shù)據(jù)教學(xué)要點：1 .理解和掌握數(shù)據(jù)對象和屬性類型，數(shù)據(jù)的基本統(tǒng)計描述，掌握度量數(shù)據(jù)相似性和相異性的方法。2 .了解數(shù)據(jù)可視化的方法。教學(xué)時數(shù)：3學(xué)時。考核要點：了解數(shù)據(jù)的屬

4、性類型，理解數(shù)據(jù)的基本統(tǒng)汁描述，掌握度量數(shù)據(jù)相似性和相異性的方法。第四章數(shù)據(jù)預(yù)處理教學(xué)要點：1 .了解數(shù)據(jù)預(yù)處理的目的和意義。2 .掌握如何對數(shù)據(jù)進(jìn)行清理。3 .掌握如何對不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行合并。4 .掌握如何對數(shù)據(jù)進(jìn)行變換，使之適合建模的需要。5 .掌握如何對數(shù)據(jù)進(jìn)行消減，使得在消減后的數(shù)據(jù)集上挖掘更有效。6 .掌握利用Python進(jìn)行數(shù)據(jù)預(yù)處理的方法。教學(xué)時數(shù)：4學(xué)時?？己艘c：理解數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)變換于數(shù)據(jù)離散化的方法，掌握數(shù)據(jù)預(yù)處理的基本方法。第五章回歸分析教學(xué)要點：1 .掌握回歸分析原理。2 .掌握一元線性回歸分析。3 .掌握多元線性回歸分析。4 .掌握邏輯回歸。

5、5 .了解其他回歸分析。教學(xué)時數(shù)：4學(xué)時?？己艘c：掌握回歸的左義的左義，各類回歸的原理及Python實現(xiàn)。第六章關(guān)聯(lián)規(guī)則挖掘教學(xué)要點：1. 了解關(guān)聯(lián)規(guī)則的基本思想、概念和意義。2. 了解關(guān)聯(lián)規(guī)則挖掘的應(yīng)用背景：掌握常用的關(guān)聯(lián)規(guī)則算法。3. 掌握利用Python實現(xiàn)關(guān)聯(lián)規(guī)則分析。4. 了解其它方法的內(nèi)容、了解關(guān)聯(lián)規(guī)則挖掘的研究動態(tài)。教學(xué)時數(shù)：4學(xué)時。Apriori算法和挖考核要點：了解頻繁項集、閉項集和關(guān)聯(lián)規(guī)則的概念，理解模式評估方法，掌握掘頻繁項集的模式增長方法。第七章分類教學(xué)要點：1 .了解分類及預(yù)測的基本思想、概念和意義。2 .掌握常用的分類及預(yù)測算法（或模型）。3 .了解分類及預(yù)測挖掘

6、的研究動態(tài)。4 .掌握利用Python實現(xiàn)各種分類算法的方法。教學(xué)時數(shù)：12學(xué)時?？己艘c：了解分類的概念，理解評估分類器性能的度量方法，掌握決策樹分類算法、SVM、貝葉斯分類算法、模型評估與選擇、組合分類及利用Python實現(xiàn)分類的方法。第八章聚類教學(xué)要點：1 .了解如何汁算由各種屬性和不同的類型來表示的對象之間的相異度。2 .掌握K-Means聚類、層次聚類、基于密度的聚類和英他常用方法。3 .掌握利用sklearn實現(xiàn)聚類的方法。教學(xué)時數(shù)：10學(xué)時?？己艘c：了解聚類的概念，掌握k-Means和k-Medoids算法、層次方法和基于密度的方法等典型算法及英Python的實現(xiàn)方法。第九束神

7、經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)教學(xué)要點：1. 了解理解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的原理。2. 掌握感知機與BP神經(jīng)網(wǎng)絡(luò)的原理。3. 了解深度學(xué)習(xí)基礎(chǔ)。4. 時數(shù)：5學(xué)時?？己艘c：了解神經(jīng)網(wǎng)絡(luò)的概念，掌握感知機模型和BP神經(jīng)網(wǎng)絡(luò)、了解深度學(xué)習(xí)算法。第十章離群點檢測教學(xué)要點：1 .了解離群點的概念與檢測方法。2 .掌握sklearn中的異常值檢測方法。教學(xué)時數(shù)：4學(xué)時?？己艘c：了解離群點的概念、類型以及離群點檢測的常用方法，掌握sklearn中的異常值檢測方法。第十一章數(shù)據(jù)挖掘案例教學(xué)要點：1 .掌握數(shù)據(jù)挖掘與機器學(xué)習(xí)的分析與實現(xiàn)。2 .掌握利用Python進(jìn)行綜合數(shù)據(jù)分析。教學(xué)時數(shù)：4學(xué)時?？己艘c：掌握利用Py

8、thon進(jìn)行數(shù)據(jù)挖掘與機器學(xué)習(xí)的實現(xiàn)過程。本課程使用教具和現(xiàn)代教育技術(shù)的指導(dǎo)性意見本課程教材力求內(nèi)容新穎，應(yīng)采用多樣化的方式進(jìn)行教學(xué)，讓學(xué)生在理論與實踐相結(jié)合的基礎(chǔ)上，對課程所要求的實際操作能力有進(jìn)一步的提高。充分利用多媒體等現(xiàn)代化教學(xué)手段，整體優(yōu)化教學(xué)過程和教學(xué)內(nèi)容，調(diào)動學(xué)生學(xué)習(xí)積極性；布宜實際操作任務(wù)給學(xué)生上機操作并及時指導(dǎo)。實驗部分基本要求：實驗是數(shù)據(jù)挖掘與機器學(xué)習(xí)課程教學(xué)中不可分割的重要組成部分。實驗課程設(shè)汁的思想是幫助學(xué)生理解和掌握數(shù)據(jù)挖掘的基本概念、算法、技術(shù)和原理，熟練掌握利用Python進(jìn)行數(shù)據(jù)挖掘和機器學(xué)習(xí)的使用方法，通過適當(dāng)?shù)木幊烫岣邔W(xué)生的編程能力以及實踐動手能力，提高學(xué)生

9、對課程的學(xué)習(xí)興趣，加強創(chuàng)新精神與綜合素質(zhì)的培養(yǎng)。實踐課程課時：18學(xué)時05教學(xué)進(jìn)度計劃表名稱總時數(shù)講課實踐/實驗上機習(xí)題課程設(shè)計周學(xué)時計劃時數(shù)7254184周次課次授課內(nèi)容摘要時數(shù)目的要求11第一章數(shù)據(jù)挖掘與機器學(xué)習(xí)概述一、數(shù)搦挖掘簡介二、數(shù)據(jù)分析與數(shù)據(jù)挖掘三、數(shù)據(jù)挖掘的任務(wù)四、數(shù)據(jù)挖掘的數(shù)據(jù)源2理解和掌握數(shù)據(jù)挖掘與機器學(xué)習(xí)的基本概念、數(shù)據(jù)挖掘過程、數(shù)據(jù)挖掘的主要任務(wù)以及數(shù)據(jù)挖掘使用的主要技術(shù)。2五、數(shù)據(jù)挖掘使用的主要技術(shù)六、數(shù)據(jù)挖掘的主要任務(wù)七、數(shù)據(jù)挖掘的商用工具八、利用Python進(jìn)行數(shù)據(jù)挖掘2了解數(shù)據(jù)挖掘與機器學(xué)習(xí)的應(yīng)用和面臨的問題。對數(shù)據(jù)挖掘和機器學(xué)習(xí)能夠解決的問題和解決問題思路仃清晰

10、的認(rèn)識熟練應(yīng)用Jupyternotebook的開發(fā)環(huán)境。23第二章Python數(shù)據(jù)分析基礎(chǔ)一、Python程序概述二、Python內(nèi)建的數(shù)據(jù)結(jié)構(gòu)2理解和掌握Python基礎(chǔ)誥法、內(nèi)建的數(shù)據(jù)結(jié)構(gòu)。4二、Numpy數(shù)值計算基礎(chǔ)2掌握Numpy數(shù)值計算方法，主要包括數(shù)組和矩陣運算。35四、Pandas統(tǒng)計分析基礎(chǔ)2掌握Pandas中的數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)查詢與編輯、分組匯總及繪圖。6五、Matplotlib數(shù)據(jù)可視化基礎(chǔ)六、Scikit-learn基礎(chǔ)2掌握Matplotlib數(shù)據(jù)可視化繪圖基礎(chǔ)，參數(shù)設(shè)置及常用繪圖。周次課次授課內(nèi)容摘要時數(shù)目的要求47實驗一、數(shù)據(jù)分析與可視化實訓(xùn)2利用Python進(jìn)行數(shù)據(jù)

11、分析與可視化8第三章認(rèn)識數(shù)據(jù)數(shù)據(jù)對象與屬性類型數(shù)據(jù)的基本統(tǒng)計描述數(shù)據(jù)可視化度量數(shù)據(jù)的相似性2理解和掌握數(shù)據(jù)對象和屬性類型，數(shù)拯的基本統(tǒng)il?描述，掌握度量數(shù)據(jù)相似性和相異性的方法：了解數(shù)據(jù)可視化的方法。591）第四章數(shù)據(jù)預(yù)處理2） 數(shù)據(jù)預(yù)處理概述，Python數(shù)據(jù)預(yù)處理方法3） 數(shù)據(jù)清理及Python數(shù)摒清洗方法2了解數(shù)據(jù)預(yù)處理的目的和意義:掌握如何對數(shù)據(jù)進(jìn)行清理。10三、數(shù)據(jù)集成及利用Python進(jìn)行數(shù)據(jù)合弁1）數(shù)據(jù)變換與離散化2）數(shù)據(jù)歸約2學(xué)押汕何W不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行合弁：掌握如何對數(shù)據(jù)進(jìn)行變換，使Z適合建模的需要：掌握如何對數(shù)據(jù)進(jìn)行消減，使得在消減后的數(shù)據(jù)集上挖掘更有效：掌握利用Pyt

12、hon進(jìn)行數(shù)據(jù)預(yù)處理的方法。6113）實驗二、利用Python實現(xiàn)數(shù)據(jù)預(yù)處理（數(shù)據(jù)合弁、數(shù)據(jù)清洗、數(shù)據(jù)變換）2掌握利用Python實現(xiàn)數(shù)據(jù)清洗、數(shù)據(jù)集成和數(shù)據(jù)變換的方法周次課次授課內(nèi)容摘要時數(shù)目的要求12第五章回歸分析一、回歸分析概述二、一元線性回歸分析2掌握回歸分析原理：掌X兀線性回歸分析的原埋與方法。713三、多元線性回歸四、邏輯回歸五、其他回歸分析2掌握多元線性回歸分析：掌握邏輯回歸；了解其他回歸分析14實驗三、利用Python實現(xiàn)典型的回歸分析2掌握利用Python實現(xiàn)典型的回歸分析方法815第六章關(guān)聯(lián)規(guī)則挖掘一、關(guān)聯(lián)規(guī)則分析概述二、頻繁項集挖掘方法2了解頻繁項集、閉項集和關(guān)聯(lián)規(guī)則的概

13、念，理解模式評估方法，掌握Apriori算法16三、頻繁模式樹算法四、關(guān)聯(lián)規(guī)則評估方法2?訃FP挖應(yīng)'訂沈；利川?：?thon實現(xiàn)關(guān)聯(lián)規(guī)則分析；了解其它方法的內(nèi)容、了解美聯(lián)規(guī)則挖掘的研究動態(tài)。917實驗四、Python實現(xiàn)數(shù)拯的關(guān)聯(lián)規(guī)則分析2掌握利用Python實現(xiàn)數(shù)據(jù)的關(guān)聯(lián)規(guī)則分析18第七章分類一、分類概述二、決策樹規(guī)約及KPython實現(xiàn)2了解分類及預(yù)測的基本思想、概念和意義：掌握決策樹規(guī)約算法。1019三、K近鄰算法四、支持向量機算法及其實現(xiàn)2掌握KNN算法原理與實現(xiàn)：了解SVM算法及其實現(xiàn)。20五、貝葉斯分類六、模型評估與選擇2熟悉掌握貝葉斯分類算法：理解評估分類器性能的度周次

14、課次授課內(nèi)容摘要時數(shù)目的要求量方法。1121七、組合分類組合方法概述；袋裝；提升和Adaboost:隨機森林2掌握組合分類的原理：掌握隨機森林框架及Python實現(xiàn)方法22實驗五、分類分析綜合實驗2用不同的算法實現(xiàn)給宦數(shù)據(jù)集的分類分析，掌握利用Python實現(xiàn)數(shù)據(jù)分類分析的常用方法1223第八章聚類一、聚類概述二、K-Means算法K-Means算法實現(xiàn)2掌握聚類分析的基本原理；熟練掌握K-Means算法的原理及其實現(xiàn)24三、層次聚類方法層次聚類算法及其Python實現(xiàn)2掌握層次聚類算法及其實現(xiàn)1325四、基于密度的聚類方法DBSCAN算法原埋及其實現(xiàn)2掌握DBSCAN算法及其實現(xiàn)26五、其他

15、聚類方法STING算法、C0BWENB算法及模糊聚類算法2了解STING算法、C0BWENB算法；掌握模糊聚類算法。1427六、聚類評估估計聚類趨勢確建簇數(shù)目的方法測定聚類質(zhì)量2掌握聚類評估的基本方法：確怎簇數(shù)目的常用方法：聚類質(zhì)量的測定。28實驗六數(shù)據(jù)的聚類分析綜合實驗2掌握數(shù)據(jù)聚類的典型算法周次課次授課內(nèi)容摘要時數(shù)目的要求1529第九期中經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)一、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)神經(jīng)元模型，感知機與多層網(wǎng)絡(luò)2理解神經(jīng)網(wǎng)絡(luò)基本原埋；掌握感知機的原埋。30二、BP神經(jīng)網(wǎng)絡(luò)2理解多層前饋神經(jīng)網(wǎng)絡(luò)的原理：理解后向傳播算法；了解BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用。1631二、深度學(xué)習(xí)基礎(chǔ)深度學(xué)習(xí)的基本原埋和常用框架2理解深度學(xué)習(xí)的基本原埋：了解深度學(xué)習(xí)常用的幾