《數(shù)據(jù)挖掘與統(tǒng)計應(yīng)用》課程教學(xué)大綱

《數(shù)據(jù)挖掘與統(tǒng)計應(yīng)用》教學(xué)大綱課程編號：121063A課程類型：□通識教育必修課□通識教育選修課□學(xué)科基礎(chǔ)課□專業(yè)核心課?專業(yè)提升課□專業(yè)拓展課總學(xué)時：48講課學(xué)時：32實驗（上機(jī)）學(xué)時：16學(xué)分：3考試類型：?考試?考查適用對象：經(jīng)濟(jì)統(tǒng)計學(xué)統(tǒng)計學(xué)數(shù)學(xué)與應(yīng)用數(shù)學(xué)（金融方向）專業(yè)□是?否適合作為其他專業(yè)學(xué)生的個性化選修課先修課程：統(tǒng)計學(xué)、計算機(jī)基礎(chǔ)一、教學(xué)目標(biāo)該課程是針對統(tǒng)計學(xué)院所有專業(yè)本科學(xué)生開設(shè)的，其特點是不以數(shù)學(xué)理論和推導(dǎo)為主，而是在學(xué)生了解數(shù)據(jù)挖掘的基本概念和基本理論的基礎(chǔ)上，介紹典型數(shù)據(jù)挖掘方法的基本思路和算法，教會學(xué)生能夠利用數(shù)據(jù)挖掘軟件分析實際數(shù)據(jù)。本課程主要以國際通用權(quán)威數(shù)據(jù)挖掘軟件為主要教學(xué)工具，以實際工作中的數(shù)據(jù)進(jìn)行實訓(xùn)教學(xué)。達(dá)到的教學(xué)目標(biāo)是：增強(qiáng)學(xué)生實際動手解決問題的能力，學(xué)會利用數(shù)據(jù)挖掘軟件處理實際數(shù)據(jù)。目標(biāo)1：應(yīng)用專業(yè)知識，解決數(shù)據(jù)分析問題 目標(biāo)2：可以建立統(tǒng)計模型，獲得有效結(jié)論 目標(biāo)3：掌握統(tǒng)計軟件及常用數(shù)據(jù)庫工具的使用目標(biāo)4：關(guān)注國際統(tǒng)計應(yīng)用的新進(jìn)展目標(biāo)5：基于數(shù)據(jù)結(jié)論，提出決策咨詢建議目標(biāo)6：具有不斷學(xué)習(xí)的意識 目標(biāo)7：培育有堅定理想信念、深厚愛國主義情懷、高尚道德情操，具有扎實統(tǒng)計專業(yè)學(xué)識，堅韌奮斗進(jìn)取品格的社會主義新青年。二、教學(xué)內(nèi)容及其與畢業(yè)要求的對應(yīng)關(guān)系本課程重點講授常用數(shù)據(jù)挖掘算法，包含聯(lián)機(jī)數(shù)據(jù)分析與數(shù)據(jù)倉庫、數(shù)據(jù)預(yù)處理、探索性數(shù)據(jù)分析、變量選擇以及關(guān)聯(lián)、聚類、分類、異常值偵測、時序等經(jīng)典數(shù)據(jù)挖掘算法。其理論部分只介紹這些方法的基本思路與算法，授課的重點在于每一種挖掘算法，包括：每種算法的基本思路、應(yīng)用前提、算法評判標(biāo)準(zhǔn)、軟件的實現(xiàn)及輸出結(jié)果的理解和解釋，并能給出結(jié)論；介紹數(shù)據(jù)挖掘軟件的應(yīng)用，主要以一種數(shù)據(jù)挖掘軟件并結(jié)合實際數(shù)據(jù)進(jìn)行分析。以多媒體的課件講授為主，同時上機(jī)，上機(jī)完成每種方法的練習(xí)。采用課堂練習(xí)和課后作業(yè)方式對學(xué)生掌握知識情況進(jìn)行考核，建議采用開卷或論文方式進(jìn)行課程考核，本課程平時成績占30%，期末考試成績占30%。三、各教學(xué)環(huán)節(jié)學(xué)時分配以表格方式表現(xiàn)各章節(jié)的學(xué)時分配，表格如下：教學(xué)課時分配序號章節(jié)內(nèi)容講課實驗其他合計1數(shù)據(jù)探索與預(yù)處理42

62模型結(jié)果評估61

73決策樹41

54關(guān)聯(lián)規(guī)則61

75聚類分析31

46Logistic回歸31

47神經(jīng)網(wǎng)絡(luò)41

58數(shù)據(jù)挖掘軟件介紹（SASEM）64

10合計3612048四、教學(xué)內(nèi)容第1章 數(shù)據(jù)探索與預(yù)處理1.1 數(shù)據(jù)范圍和分布標(biāo)準(zhǔn)化（了解）1.2 數(shù)據(jù)可視化（了解）1.3 缺失值插補(bǔ)（理解與掌握）1.4 屬性變量的處理（掌握）1.5 變量的篩選（掌握）課程思政切入點：通過探索數(shù)據(jù)，培養(yǎng)學(xué)生的探索精神。第2章 模型結(jié)果評估2.1 概述（了解）2.2 分類規(guī)則評估面面觀（理解）2.3 誤分率（掌握）2.4 收益矩陣（掌握）2.5 評估兩分類的規(guī)則（掌握和應(yīng)用）2.6 評估多分類的規(guī)則（掌握和應(yīng)用）2.7 常用模型評估和比較準(zhǔn)則（應(yīng)用）課程思政切入點：通過對錯誤分類細(xì)分中的兩類錯誤分析，培養(yǎng)學(xué)生平衡對立矛盾的思想。第3章 決策樹3.1 樹的建模過程（理解）3.2 樹的常用算法（掌握）3.3 樹在數(shù)據(jù)挖掘中的應(yīng)用（應(yīng)用）3.4 決策樹案例分析（應(yīng)用）課程思政切入點：通過決策樹的講解，可以使學(xué)生進(jìn)一步了解人類大腦進(jìn)行決策的步驟。第4章 關(guān)聯(lián)規(guī)則4.1 概述（了解）4.2 市場購物籃分析（理解）4.3 使用關(guān)聯(lián)規(guī)則節(jié)點（了解）4.4 理解關(guān)聯(lián)規(guī)則（理解）4.5 非二元變量的關(guān)聯(lián)分析（掌握）4.6 負(fù)關(guān)聯(lián)分析 （掌握）4.7 序列關(guān)聯(lián)分析（理解）4.8 關(guān)聯(lián)規(guī)則案例分析（應(yīng)用）課程思政切入點：通過關(guān)聯(lián)規(guī)則的學(xué)習(xí)，培養(yǎng)學(xué)生用聯(lián)系的觀點看待各種問題。第5章 聚類分析5.1 背景（了解）5.2 距離度量（理解）5.3 聚類方法（掌握）5.4 變量聚類（理解）5.5 實踐中的考慮（了解）5.6 聚類案例分析（應(yīng)用）課程思政切入點：通過聚類分析中差異度的講解，培養(yǎng)學(xué)生對事物間差異進(jìn)行度量的能力。第6章 Logistic回歸6.1 傳統(tǒng)Logistic回歸簡介（了解）6.2 數(shù)據(jù)挖掘中Logit判別的其他考慮（了解）6.3 logistic回歸案例分析（掌握與應(yīng)用）課程思政切入點：通過對Logistic回歸中風(fēng)險最小化的分析，培養(yǎng)學(xué)生在實際工作學(xué)習(xí)和生活中管控風(fēng)險的能力。第7章 神經(jīng)網(wǎng)絡(luò)7.1 神經(jīng)網(wǎng)絡(luò)簡介（了解）7.2 神經(jīng)網(wǎng)絡(luò)基本組成（理解）7.3 訓(xùn)練神經(jīng)網(wǎng)絡(luò)（掌握）7.4 模型復(fù)雜性 （掌握與應(yīng)用）課程思政切入點：通過對神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，使學(xué)生進(jìn)一步了解人類大腦的運作機(jī)理。第8章 EnterpriseMiner介紹8.1 EM數(shù)據(jù)挖掘概述（了解）8.2 使用項目進(jìn)行數(shù)據(jù)挖掘（了解）8.3 建立流程圖（掌握）8.4 流程圖邏輯組織（掌握）8.5 節(jié)點中的通用特征（理解）8.6 數(shù)據(jù)結(jié)構(gòu)示例（應(yīng)用）8.7 流程圖示例（應(yīng)用）課程思政切入點：通過流程圖的學(xué)生，培養(yǎng)學(xué)生在面臨問題時解決問題的規(guī)劃邏輯能力。教學(xué)重點、難點：第二～七章為重點內(nèi)容，第二章為難點內(nèi)容課程的考核要求：全面掌握數(shù)據(jù)挖掘常用算法并綜合運用數(shù)據(jù)整理和分析方法復(fù)習(xí)思考題：大數(shù)據(jù)背景下，數(shù)據(jù)挖掘與數(shù)據(jù)分析的區(qū)別與聯(lián)系？數(shù)據(jù)可視化與統(tǒng)計挖掘如何結(jié)合？數(shù)據(jù)挖掘在實際工作中的重要作用如何？五、考核方式、成績評定本課程一般按閉卷、開卷或論文方式考核，卷面一般占70%，考勤與平時作業(yè)一般占30%。六、主要參考書及其他內(nèi)容數(shù)據(jù)挖掘?qū)д?陳封能,斯坦巴赫,庫瑪爾著.范明,范宏建等譯，人民郵電出版社2011年第2版HandbookofStatisticalAnalysisandDataMiningApplications.RobertNisbet,JohnElder,andGaryMinerTheElementsofSta