数据挖掘综合实训

陈星

目录

  • 1 课程导学
    • 1.1 网络课程导学及学生学习指引
    • 1.2 课标、计划及首页
    • 1.3 直播时间（周五1-2节）
  • 2 数据挖掘课程导论
    • 2.1 大数据时代的常见技术特征（2学时）（第1周）
      • 2.1.1 直播课
    • 2.2 数据挖掘初探（2学时）（第1周）
    • 2.3 数据挖掘的过程与算法简介（2学时）（第2周）
      • 2.3.1 直播课
  • 3 SPSS Modeler软件简介与第一个挖掘应用学习
    • 3.1 SPSS Modeler软件界面介绍（2课时）（第2周）
    • 3.2 挖掘应用学习（2课时）（第3周）
      • 3.2.1 直播课
  • 4 数据仓库与数据立方体
    • 4.1 数据仓库（2课时）（第3周）
    • 4.2 数据立方体（2课时）（第5周）
  • 5 数据预处理技术
    • 5.1 数据预处理技术概述（2课时）（第5周）
    • 5.2 预处理之数据读取（2课时）（第6周）
    • 5.3 预处理之数据理解（4课时）（第6周、第7周）
    • 5.4 预处理之数据准备（4课时）（第7周、第8周）
    • 5.5 预处理之基本分析（2课时）（第8周）
    • 5.6 预处理之数据精简（4课时）(第10周)
  • 6 SPSS Modeler分类预测
    • 6.1 决策树的算法概述（2课时）（第11周）
    • 6.2 SPSS Modeler的C5.0算法及应用（2课时）（第11周）
    • 6.3 SPSS Modeler分类回归树及应用（2课时）（第12周）
  • 7 分类预测之贝叶斯网络
    • 7.1 贝叶斯网络方法概述（2课时）（第12周）
    • 7.2 SPSS Modeler的贝叶斯网络应用（4课时 13周）
  • 8 聚类分析
    • 8.1 聚类分析基本概念（2课时 14周）
    • 8.2 聚类分析的算法（2课时 14周）
    • 8.3 聚类分析之离群点检测方法（1课时）(第15周)
  • 9 关联挖掘
    • 9.1 关联挖掘基本概念（1课时）（第15周）
    • 9.2 SPSS Modeler的关联分析（2课时）（第15周）
  • 10 人工神经网络
    • 10.1 人工神经网络概述（2课时）（第16周）
    • 10.2 神经网络建立的一般步骤（1课时）（第16周）
    • 10.3 B-P神经网络（1课时）（第16周）
  • 11 时间序列（2课时）
    • 11.1 时间序列（2课时）（第17周）
  • 12 考试
聚类分析之离群点检测方法（1课时）(第15周)

一、学习内容：

离群点和离群点分析；

离群点检测方法；

基于聚类的离群点检测方法；

基于分类的离群点检测方法

二、能力目标：

掌握离群点检测方法

三、学习成果：

习题解答与作业；

北信在线学习平台。

四、评价方案与评分标准：

优秀：能够按时完成习题与作业，回答准确无误文档编辑合理，讨论区互动积极；

良好：能够按时完成习题与作业，回答基本正确，在评论区有互动

及格：在老师督促下完成任务，质量一般

不及格：不能掌握能力目标内容，不能提交任务成果，自律性较差

五、课程内容：