數(shù)據(jù)挖掘教學(xué)大綱-文庫(kù)吧在線文庫(kù)
【正文】 由于關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘技術(shù)中研究最早、成果最多、相對(duì)比較成熟的分支，因此本章重點(diǎn)在于一些經(jīng)典理論和算法、熱點(diǎn)問(wèn)題的介紹。分類與預(yù)測(cè)在數(shù)據(jù)挖掘中是一項(xiàng)非常重要的方面，本章對(duì)分類與預(yù)測(cè)的基本概念與步驟、經(jīng)典的方法以及有關(guān)的問(wèn)題進(jìn)行了闡述。聚類是數(shù)據(jù)挖掘技術(shù)中一個(gè)重要組成部分，內(nèi)容很多，因此要求學(xué)生掌握聚類分析原理、基本方法和主要算法。Campaign值為整數(shù)定義類型節(jié)點(diǎn)（例如：2=Premium account）。分析經(jīng)濟(jì)發(fā)展水平。成績(jī)構(gòu)成：本課程的總成績(jī)主要由兩部分組成：平時(shí)成績(jī)（包括作業(yè)情況、出勤情況等）占40%，期末階段測(cè)試實(shí)驗(yàn)成績(jī)占60%。六、教學(xué)方法與手段本課程采用案例教學(xué)法。實(shí)驗(yàn)4：在Clementine中使用Kmeans進(jìn)行聚類分析【實(shí)驗(yàn)?zāi)康摹?理解聚類分析挖掘原理掌握Kmeans節(jié)點(diǎn)使用【實(shí)驗(yàn)內(nèi)容】 數(shù)據(jù)作為數(shù)據(jù)源。實(shí)驗(yàn)2：在SpssClementine中進(jìn)行關(guān)聯(lián)規(guī)則挖掘【實(shí)驗(yàn)?zāi)康摹坷斫怅P(guān)聯(lián)規(guī)則挖掘原理掌握Apriori節(jié)點(diǎn)和GRI節(jié)點(diǎn)使用用 SpssClementine 軟件實(shí)現(xiàn)基本的關(guān)聯(lián)分析【實(shí)驗(yàn)內(nèi)容】結(jié)合老師所提供數(shù)據(jù)，做如下實(shí)驗(yàn)：分析哪些商品會(huì)和啤酒一起購(gòu)買(mǎi)分析不同性別、年齡以及家庭主婦們有怎樣的消費(fèi)偏好探尋不同購(gòu)買(mǎi)物品之間的聯(lián)系，為貨架的擺放提供依據(jù)。 logistic回歸分析【教學(xué)重點(diǎn)】決策樹(shù)概述ID3算法【教學(xué)難點(diǎn)】logistic回歸分析【教學(xué)內(nèi)容】 分類和預(yù)測(cè)數(shù)據(jù)分析形式介紹決策樹(shù)概述 ID信息熵計(jì)算決策樹(shù)歸納策略ID3算法及缺點(diǎn) 二項(xiàng)logistic回歸分析 二項(xiàng)logistic回歸分析應(yīng)用第六章 聚類分析【教學(xué)目的與要求】聚類是將數(shù)據(jù)分類到不同的類或者簇的過(guò)程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。 在Clementine中應(yīng)用Apriori算法 【教學(xué)重點(diǎn)】關(guān)聯(lián)規(guī)則相關(guān)概念A(yù)priori算法【教學(xué)難點(diǎn)】序列模式挖掘【教學(xué)內(nèi)容】 基本概念關(guān)聯(lián)規(guī)則表示關(guān)聯(lián)規(guī)則挖掘算法簡(jiǎn)介 Apriori算法Apriori算法生成頻繁項(xiàng)集的過(guò)程Apriori算法從頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則 在Clementine中應(yīng)用Apriori算法 序列模式挖掘序列與序列模式AprioriAll算法在Clementine中應(yīng)用序列模式挖掘第五章
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1