數(shù)據(jù)挖掘?qū)д摻滩呐涮捉虒W(xué)入課市公開課金獎市賽課一等獎?wù)n件

數(shù)據(jù)挖掘?qū)д撝胝n第1頁數(shù)據(jù)挖掘是什么數(shù)據(jù)挖掘——DataMining（DM）數(shù)據(jù)挖掘是發(fā)覺數(shù)據(jù)中潛在有用模式（信息、知識、規(guī)律、模型）過程獵人在動物遷徙行為中尋找模式農(nóng)夫在莊稼生長中尋找模式政客在選民意見中尋找模式戀人在對方反應(yīng)中尋找模式10十月第2頁，共10頁“人類正被數(shù)據(jù)淹沒，卻饑渴于信息”——JohnNaisbitt（未來學(xué)家）第2頁數(shù)據(jù)挖掘能做什么分類（Classification）應(yīng)用：評定信用卡申請者風(fēng)險等級——低、中、高方法：使用已知分類實例建立分類模型，對未知分類實例進行分類10十月第3頁，共10頁第3頁數(shù)據(jù)挖掘能做什么估值（Estimation）應(yīng)用：依據(jù)購置模式，預(yù)計一個家庭孩子個數(shù)、收入或財產(chǎn)估值類似于分類，不一樣之處于于分類輸出是離散量，估值輸出為連續(xù)值分類類別數(shù)確定，估值量是不確定10十月第4頁，共10頁第4頁數(shù)據(jù)挖掘能做什么預(yù)測（Prediction）應(yīng)用：預(yù)測明天上證指數(shù)收盤價方法：經(jīng)過分類或估值得出預(yù)測模型，用該模型對未知變量預(yù)測10十月第5頁，共10頁第5頁數(shù)據(jù)挖掘能做什么相關(guān)分析（associationanalysis）應(yīng)用：購物籃分析（MarketBasketAnalysis）——超市中，客戶在購置A同時，是否經(jīng)常會購置B或隔一段時間后，會購置B。目標(biāo)是找到零售產(chǎn)品之間有趣關(guān)系方法：生成關(guān)聯(lián)規(guī)則，表示客戶購置行為關(guān)聯(lián)關(guān)系10十月第6頁，共10頁第6頁數(shù)據(jù)挖掘能做什么聚類（Clustering）應(yīng)用：在信用卡企業(yè)，發(fā)覺輸入屬性一個集合，來區(qū)分接收壽險促銷和未接收促銷持卡人。方法：對實例分組，把相同實例放在一個聚類中，發(fā)覺最能區(qū)分各聚類經(jīng)典屬性，使用這些屬性開發(fā)預(yù)測未來結(jié)果模型10十月第7頁，共10頁第7頁主要內(nèi)容10十月第8頁，共10頁第8頁課時分配教學(xué)內(nèi)容課時分配小計講課上機實踐討論/習(xí)題第0講入課112第1講認識數(shù)據(jù)挖掘527第2講基本數(shù)據(jù)挖掘技術(shù)639第3講數(shù)據(jù)庫中知識發(fā)覺336第4講數(shù)據(jù)倉庫3339第5講評定技術(shù)336第6講神經(jīng)網(wǎng)絡(luò)技術(shù)336第7講統(tǒng)計技術(shù)3339第8講時間序列和基于Web挖掘336合計3015156010十月第9頁，共10頁表0-1課時安排第9頁推薦資源全球最大數(shù)據(jù)挖掘信息網(wǎng)站-——數(shù)據(jù)挖掘和分析軟件，求職，咨詢，課程等數(shù)據(jù)挖掘小區(qū)資源機器學(xué)習(xí)領(lǐng)域UCI數(shù)據(jù)集——UniversityofCaliforniaIrvine提出用于機器學(xué)習(xí)數(shù)據(jù)庫，當(dāng)前擁有2