《數(shù)據(jù)挖掘》教學(xué)大綱

《數(shù)據(jù)挖掘》教學(xué)大綱一、課程目標(biāo)《數(shù)據(jù)挖掘》是大學(xué)本科計算機(jī)類學(xué)生開設(shè)的一門專業(yè)課程，旨在讓學(xué)生熟悉數(shù)據(jù)挖掘分析和知識挖掘方法的思想與技術(shù)，掌握重要的數(shù)據(jù)挖掘基本理論，具備利用數(shù)據(jù)挖掘來解決實(shí)際問題的能力。本課程主要講授數(shù)據(jù)挖掘的基本概念，原理、方法和實(shí)現(xiàn)技術(shù)，具體包括：(1)常用的Python數(shù)據(jù)挖掘工具的使用(2)數(shù)據(jù)探索方法(3)數(shù)據(jù)的預(yù)處理方法(4)分類和預(yù)測模型(5)集成學(xué)習(xí)技術(shù)(6)聚類分析模型(7)關(guān)聯(lián)挖掘技術(shù)(8)時間序列處理技術(shù)(9)異常檢測模型(10)智能推薦技術(shù)此外，要求學(xué)生掌握基本的Python語言設(shè)計能力，利用numpy、pandas,matplotlib等包進(jìn)行數(shù)據(jù)分析的能力。本課程的先行課程包括：《Python程序設(shè)計》。二、教學(xué)內(nèi)容和安排本教材建議的學(xué)時安排如下，總計72學(xué)時。序號內(nèi)容知識點(diǎn)建議學(xué)時（講授/實(shí)踐）1緒論1.1數(shù)據(jù)挖掘概述3/01.2數(shù)據(jù)挖掘的一般流程1.3數(shù)據(jù)挖掘環(huán)境的配置2Python數(shù)據(jù)挖掘模塊2.1Numpy6/32.2Pandas2.3Matplotlib2.4Scikit-learn3數(shù)據(jù)探索3.1數(shù)據(jù)對象和特征3/03.2數(shù)據(jù)統(tǒng)計描述3.3數(shù)據(jù)可視化3.4相關(guān)性和相似性度量4數(shù)據(jù)預(yù)處理4.1數(shù)據(jù)集成3/34.2數(shù)據(jù)清洗4.3數(shù)據(jù)變換4.4數(shù)據(jù)規(guī)約5特征選擇5.1特征選擇概述3/05.2過濾法5.3包裝法5.4嵌入法6基礎(chǔ)分類模型及回歸6.1基本理論6/66.2樸素貝葉斯分類器6.3K近鄰分類器6.4決策樹*6.5人工神經(jīng)網(wǎng)絡(luò)*6.6支持向量機(jī)6.7模型的性能評價*6.8案例：信用評分模型6.9回歸7集成技術(shù)7.1基本的集成技術(shù)3/37.2隨機(jī)森林*7.3提升樹*7.4案例：電信客戶流失預(yù)測7.5類別不平衡問題8聚類分析8.1聚類的基本原理6/38.2K-means算法8.3聚類算法的性能評價指標(biāo)8.4DBSCAN算法層次聚類模型*8.5GMM聚類算法9關(guān)聯(lián)規(guī)則分析9.1概述6/39.2Apriori算法生成頻繁項集9.3FP-growth算法*9.4E-clat算法*9.5案例：網(wǎng)上零售購物籃數(shù)據(jù)分析10時間序列挖掘10.1時間序列挖掘概述6/310.2時間序列預(yù)處理10.3平穩(wěn)非白噪聲序列建模10.4非平穩(wěn)序列建模10.5基于Python的實(shí)現(xiàn)*10.6案例：基于ARIMA模型的銷售額預(yù)測11異常檢測11.1基于統(tǒng)計的異常檢測方法3/011.2基于聚類的異常檢測方法*11.3孤立森林方法12*智能推薦*12.1智能推薦概述0/0*12.2基于用戶的協(xié)同過濾技術(shù)*12.3基于物品的協(xié)同過濾技術(shù)**12.4非負(fù)矩陣分解總計總學(xué)時：72