欢迎来到天天文库
浏览记录
ID:5785833
大小:1.39 MB
页数:9页
时间:2017-12-24
《《商业数据挖掘》实验教学大纲》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、《商业数据挖掘》实验教学大纲2012年2月8课程名称(课程编码)课程名称:商业数据挖掘(BusinessDataMining)课程编码:1、课程性质限修2、学时与学分计划内:32学时,2个学分实验:计划内16学时,计划外24学时3、先修课程数据库系统原理、应用统计分析、数据结构4、课程教学目的《商业数据挖掘》课程是信息管理与信息系统专业学生的主要专业课程之一。该课程涉及的多个学科领域的知识,包括数据库技术、人工智能、机器学习、统计分析、高性能计算和数据可视化等等。要求本专业学生在面向商业数据分析与挖掘的背景下,详细了解并掌握各类数据挖掘算法和应用过程。本课程是一门基础
2、技术类课程,同时兼顾基本理论学习。5、适用学科及专业信息管理与信息系统、市场营销、工商管理、物流管理6、基本教学内容与学时安排1、Introduction(2hrs)OpeningCase:BeerandDiaper1.1WhatIsBusinessDataMining?1.2MotivatingChallengesfromBusiness1.3BusinessDataMiningFunctionalities1.4BusinessDataMiningAlgorithms8KeyPoints:Motivation;WhatisDataMining;DataMining
3、Data/Functionalities2、DataWarehouseandOLAPTechnology(2hrs)4.1WhatisDataWarehouse?4.2OLAPandMultidimensionalDataAnalysis4.3FromDataWarehousingtoBusinessDataMining4.4SummaryKeyPoints:Definition;MultidimensionalDataModel;Architecture;ImplementationNote:Justaquickreview. 3、DataPre-processin
4、g(4hrs)3.1Whypreprocessthedata?3.2Descriptivedatasummarization3.3Datacleaning3.4Dataintegrationandtransformation3.5Datareduction3.6Discretizationandconcepthierarchygeneration3.7SummaryKeypoints:DataCleaning;Dataintegrationandtransformation;DataReduction;Discretization4、Classificationand
5、Prediction(6hrs)4.1Whatisclassification?Whatisprediction?4.2Issuesregardingclassificationandprediction4.3Classificationbydecisiontreeinduction4.4Bayesianclassification4.5Classificationbybackpropagation4.6SupportVectorMachines(SVM)4.7Prediction4.8Accuracyanderrormeasures4.9Modelselection
6、4.10SummaryKeyPoints:Definitions;BayesianClassification;DecisionTreesNotes:Moredetailsonrelatedalgorithms.5、AssociationRulesMining(6hrs)Re-reviewthestoryofdiaperandbeer5.1Basicconceptsandaroadmap5.2Efficientandscalablefrequentitemsetminingmethods85.3Miningvariouskindsofassociationrules5
7、.4Fromassociationminingtocorrelationanalysis5.5SummaryKeyPoints:Associationrulesmining;MiningSingle-DimensionalBooleanAssociationRules;MiningMultilevelAssociationRules;MiningMultidimensionalAssociationRulesfromRelationalDatabaseNotes:Moredetailsonrelatedalgorithms.6、ClusterAnal
此文档下载收益归作者所有