數(shù)據(jù)挖掘教學(xué)大綱(編輯修改稿)
2025-05-14 01:16 本頁面
【文章內(nèi)容簡介】 【教學(xué)重點】關(guān)聯(lián)規(guī)則相關(guān)概念A(yù)priori算法【教學(xué)難點】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)則挖掘算法簡介 Apriori算法Apriori算法生成頻繁項集的過程Apriori算法從頻繁項集產(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 分類與預(yù)測【教學(xué)目的與要求】。分類是指把數(shù)據(jù)樣本映射到一個事先定義的類中的學(xué)習(xí)過程，即給定一組輸入的屬性向量及其對應(yīng)的類，用基于歸納的學(xué)習(xí)算法得出分類。預(yù)測可以涉及數(shù)據(jù)值預(yù)測和類標記預(yù)測，但預(yù)測通常指值預(yù)測。兩者的區(qū)別是，分類是用來預(yù)測數(shù)據(jù)對象的類標記，而預(yù)測則是估計某些空缺或未知值。分類與預(yù)測在數(shù)據(jù)挖掘中是一項非常重要的方面，本章對分類與預(yù)測的基本概念與步驟、經(jīng)典的方法以及有關(guān)的問題進行了闡述。要求學(xué)生掌握如下內(nèi)容：分類和預(yù)測數(shù)據(jù)分析形式216。 ID3算法216。 216。 logistic回歸分析【教學(xué)重點】決策樹概述ID3算法【教學(xué)難點】logistic回歸分析【教學(xué)內(nèi)容】 分類和預(yù)測數(shù)據(jù)分析形式介紹決策樹概述 ID信息熵計算決策樹歸納策略ID3算法及缺點 二項logistic回歸分析 二項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程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標準，聚類分析能夠從樣本數(shù)據(jù)出發(fā)，自動進行分類。聚類能夠作為一個獨立的工具獲得數(shù)據(jù)的分布狀況，觀察每一簇數(shù)據(jù)的特征，集中對特定的聚簇集合作進一步地分析。聚類分析還可以作為其他算法（如分類和定性歸納算法）的預(yù)處理步驟。聚類是數(shù)據(jù)挖掘技術(shù)中一個重要組成部分，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。 【教學(xué)重點】聚類分析原理主要聚類方法分類【教學(xué)難點】Kmeans算法兩步聚類算法【教學(xué)內(nèi)容】 聚類分析介紹聚類分析應(yīng)用領(lǐng)域聚類分析原理主要聚類方法分類 Clementine的kmeans聚類及應(yīng)用Kmeans算法2
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1