一、《数据挖掘》课程说明
（一）课程代码:14132007 （二）课程英文名称：Data Mining
（三）开课对象：计算机与信息管理及其相关专业 （四）课程性质：
数据挖掘是信息与计算科学专业的专业课程，本课程以数据挖掘为主要内容，讲述实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握大型数据挖掘软件SAS Enterprise Miner的使用，培养学生数据分析和处理的能力。先修课程：《数据库原理》、《概率论与数理统计》、《SAS软件基础》。 （五）教学目的：
通过《数据挖掘》课程的教学，使学生理解数据挖掘的基本概念和方法，学习和掌握SAS Enterprise Miner中的数据挖掘方法。学生能够借助SAS Enterprise Miner软件工具进行具体数据的挖掘分析。
（六）教学内容：
本课程主要学习的内容包括数据预处理、分类与预测、聚类分析等内容。 （七）教学时数
课程学时： 48
学 分： 3
教学时数具体分配： 教学内容 第一章 数据挖掘导论 第二章 数据处理 第三章 分类与预测 第四章 聚类分析 SAS Enterprise Miner中的数据挖掘 合 计
（八）教学方式
以多媒体教学手段为主要形式的课堂教学 （九）考核方式和成绩记载说明
考核方式笔试加上机大作业，严格考核学生出勤情况，达到学籍管理规定的旷课量取消考试资格。综合成绩根据平时成绩和期末成绩评定，平时成绩占40% ，期末成绩占60% 。
讲授 8 6 12 12 38 试验、实践 10 10 合计 8 6 12 12 10 48 二、讲授大纲与各章的基本要求
第一章 数据挖掘导论
教学要点：
1、熟悉数据挖掘的基本概念和功能
2、了解数据挖掘的系统分类 教学时数：8学时 教学内容：
第一节 数据挖掘发展概述 1、功能介绍 2、基本应用概述 第二节 数据挖掘功能 1、概念描述：定性与对比 2、关联分析 3、分类与预测 4、聚类分析 5、异类分析 6、演化分析 第三节 数据挖掘系统 1、系统分类 2、系统应用
3、数据挖掘在医学信息系统和社会保险领域的应用 考核要求：
1、数据挖掘发展概述
1.1功能和基本应用概述（识记） 2、数据挖掘功能 2.1概念描述（识记） 2.2关联分析（领会） 2.3分类与预测 (领会） 2.4聚类分析 (领会） 2.5异类分析 (领会） 2.6演化分析 (领会） 3、数据挖掘系统（应用）
第二章 数据预处理
教学要点：
1.了解数据预处理的重要性 2.熟悉数据预处理的方法 教学时数：6学时 教学内容： 第一节 数据清洗 1、噪声数据处理
2、不一致数据处理 第二节 数据集成与转换 1、数据集成处理 2、数据转换处理 考核要求： 1、数据清洗
1.1噪声数据处理（领会） 1.2不一致数据处理（领会） 2、数据集成与转换
2.1数据集成处理（应用） 2.2数据转换处理（应用）
第三章 分类与预测
教学要点：
1、掌握分类与预测基本知识 2、了解各项分类和预测方法 教学时数：12学时 教学内容：
第一节 分类与预测基本知识 1、分类基础 2、预测基础
第二节 基于决策树的分类 第三节 贝叶斯分类 第四节 神经网络分类 第五节 预测方法 1、线性与多变量回归 2、非线性回归 3、其他回归模型 考核要求：
1、分类与预测基本知识
1.1分类基础（识记） 1.2预测基础（识记） 2、基于决策树的分类（领会） 3、贝叶斯分类（领会） 4、神经网络分类（领会） 5、预测方法
5.1线性与多变量回归（领会） 5.2非线性回归（领会） 5.3其他回归模型（领会）
第四章 聚类分析
教学要点：
1、掌握聚类分析基本概念 2、了解聚类分析基本方法 教学时数：12学时 教学内容： 1、基础知识
2、聚类分析方法：K－MEANS算法等 考核要求：
1、基础知识（识记）
2、聚类分析方法：K－MEANS算法等（应用）
三、推荐教材和参考书目：
1、《数据挖掘原理与技术》，张云涛、龚玲著，电子工业出版社，2004
2、《数据仓库与数据挖掘技术》，陈京民编著，电子工业出版社，2002 3、《数据挖掘与OLAP理论与实务》，林杰斌主编，清华大学出版社，2003.1 4、《数据挖掘》，朱明编著，中国科学技术大学出版社，2002.2
5、《数据挖掘教程》, Richard J. Roiger, Michael W. Geatz 著,翁敬农 译，清华大学出版社，2003
6、《数据挖掘原理》，David Hand, Heikki Mannila, Padhraic Smyth著，张银奎、廖丽、宋俊等译，机械工业出版社，2003
因篇幅问题不能全部显示，请点此查看更多更全内容