PAGEPAGE21計(jì)算機(jī)學(xué)院教案教案（首頁）課程名稱數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W分232學(xué)時(shí)講授：24學(xué)時(shí)實(shí)驗(yàn)：8學(xué)時(shí)其它：學(xué)時(shí)類別（請打√）□公共課□公共選修課□專業(yè)必修課√專業(yè)選修課□實(shí)驗(yàn)課/課程設(shè)計(jì)授課對象專業(yè)：軟件工程班級：08111601-6班使用教材參考資料（注明書名、主編、出版社、出版時(shí)間）選用教材：袁漢寧，王樹良，阮思捷，耿晶，金福生.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2025.教學(xué)方法教學(xué)手段采用多媒體教學(xué)與傳統(tǒng)教學(xué)方法相結(jié)合進(jìn)行教學(xué)、課堂提問與討論課程目標(biāo)1.通過理論教學(xué)，掌握數(shù)據(jù)倉庫的基本概念、數(shù)據(jù)模型和結(jié)構(gòu)，掌握數(shù)據(jù)的概念、內(nèi)容、屬性、統(tǒng)計(jì)描述、數(shù)據(jù)相似性和向異性的度量方法、數(shù)據(jù)可視化的概念和方法。掌握數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則、聚類、分類等經(jīng)典算法2.通過課堂教學(xué)，使學(xué)生掌握數(shù)據(jù)倉庫原理并能夠使用數(shù)據(jù)倉庫軟件實(shí)現(xiàn)實(shí)際工程中數(shù)據(jù)倉庫的設(shè)計(jì)、實(shí)現(xiàn)、維護(hù)與管理。掌握數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則、聚類、分類等算法的程序?qū)崿F(xiàn)，針對實(shí)際工程問題能用程序?qū)崿F(xiàn)數(shù)據(jù)挖掘算法并解決相關(guān)實(shí)際問題3.通過課堂教學(xué)和課外研討，使學(xué)生能夠了解數(shù)據(jù)倉庫和數(shù)據(jù)挖掘領(lǐng)域的重要標(biāo)準(zhǔn)規(guī)范、重要學(xué)術(shù)論文的來源和檢索途徑，引導(dǎo)學(xué)生通過檢索獲取相關(guān)信息，使之有助于開展數(shù)據(jù)挖掘領(lǐng)域復(fù)雜問題的分析。4通過課堂教學(xué)和學(xué)生自主學(xué)習(xí)，使學(xué)生能夠應(yīng)用所獲得的數(shù)據(jù)倉庫和數(shù)據(jù)挖掘知識(shí)，針對具體問題，設(shè)計(jì)和構(gòu)建數(shù)據(jù)挖掘分析系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)的采集、清理、存儲(chǔ)、挖掘分析、使用與維護(hù)?？己朔绞娇己朔绞剑洪]卷筆試成績構(gòu)成：書面作業(yè)：3次書面作業(yè)，每次作業(yè)根據(jù)每題得分按百分制打分，最終將3次作業(yè)成績折合為15分，占總成績的10%；課程實(shí)驗(yàn)報(bào)告：占總成績的40%。期末考試：占總成績的50%數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第1周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排4授課題目（章節(jié)或單位課時(shí)）：第一章概述第二章數(shù)據(jù)教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1.了解數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的應(yīng)用和歷史、數(shù)據(jù)可視化技術(shù)2.熟悉數(shù)據(jù)挖掘的目的、概念、模式、技術(shù)3.掌握數(shù)據(jù)對象、數(shù)據(jù)屬性及數(shù)據(jù)集相關(guān)概念4掌握數(shù)據(jù)特征的統(tǒng)計(jì)描述與數(shù)據(jù)相似與相異性的度量方法教學(xué)重點(diǎn)與難點(diǎn)：1.數(shù)據(jù)特征的統(tǒng)計(jì)描述2.數(shù)據(jù)相似與相異性的度量教學(xué)內(nèi)容備注第1章概述1.1引言1.2研究歷程1.3數(shù)據(jù)挖掘的流程1.4數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用1.5關(guān)鍵挑戰(zhàn)第2章數(shù)據(jù)2.1數(shù)據(jù)的基本內(nèi)容2.2數(shù)據(jù)的統(tǒng)計(jì)特征2.3數(shù)據(jù)的相似差異

教案（末頁）復(fù)習(xí)思考題：1定義下列數(shù)據(jù)挖掘功能：特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、預(yù)測聚類和演變分析。2總結(jié)本章重要的數(shù)據(jù)挖掘領(lǐng)域的術(shù)語3、根據(jù)iris數(shù)據(jù)集繪制散點(diǎn)圖、直方圖和盒圖。4假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組的age值（以遞增序）是：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70。(a)該數(shù)據(jù)的均值是什么？中位數(shù)是什么？(b)該數(shù)據(jù)的眾數(shù)是什么？討論數(shù)據(jù)的峰（即雙峰、三峰等）(c)數(shù)據(jù)的中列數(shù)是什么？(d)找出數(shù)據(jù)的第一個(gè)四分位數(shù)（Q1）和第三個(gè)四分位數(shù)（Q3）(e)給出數(shù)據(jù)的五數(shù)概括。推薦閱讀書目：查閱CCF推薦的數(shù)據(jù)挖掘領(lǐng)域的重要會(huì)議和論文期刊（KDDICDMTKDE等）T.DasuandT.Johnson.ExploratoryDataMiningandDataCleaning.JohnWiley,2003E.R.Tufte.TheVisualDisplayofQuantitativeInformation,2nded.,GraphicsPress,2001數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第2周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排4授課題目（章節(jié)或單位課時(shí)）：第3章數(shù)據(jù)預(yù)處理第4章數(shù)據(jù)倉庫和ETL工具教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、掌握并綜合運(yùn)用數(shù)據(jù)預(yù)處理方法2、了解數(shù)據(jù)倉庫與ETL工具教學(xué)重點(diǎn)與難點(diǎn)：1.數(shù)據(jù)清理技術(shù)2數(shù)據(jù)約簡和變換技術(shù)3維度約簡技術(shù)教學(xué)內(nèi)容備注第3章數(shù)據(jù)預(yù)處理3.1數(shù)據(jù)清洗3.2數(shù)據(jù)變換3.3數(shù)據(jù)集成3.4數(shù)據(jù)融合3.5數(shù)據(jù)規(guī)約第4章數(shù)據(jù)倉庫和數(shù)據(jù)湖4.1數(shù)據(jù)倉庫的概念4.2數(shù)據(jù)倉庫模型4.3數(shù)據(jù)ＥＴＬ

教案（末頁）復(fù)習(xí)思考題：1數(shù)據(jù)倉庫可以用星形模式或雪花模式建模。簡略討論這兩種模式的相似點(diǎn)和不同點(diǎn)，然后分析它們的相對做優(yōu)、缺點(diǎn)。2、總結(jié)數(shù)據(jù)倉庫本章的相關(guān)術(shù)語3、梳理數(shù)據(jù)預(yù)處理流程及各流程中使用的預(yù)處理方法推薦閱讀書目：T.DasuandT.Johnson.ExploratoryDataMiningandDataCleaning.JohnWiley,2003T.Dasu,T.Johnson,S.Muthukrishnan,V.Shkapenyuk.

MiningDatabaseStructure;Or,HowtoBuildaDataQualityBrowser.SIGMOD’02V.RamanandJ.Hellerstein.PottersWheel:AnInteractiveFrameworkforDataCleaningandTransformation,VLDB’2001數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第3周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排4授課題目（章節(jié)或單位課時(shí)）：4、ETL技術(shù)第5章關(guān)聯(lián)規(guī)則挖掘教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、了解相關(guān)ETL技術(shù)2掌握關(guān)聯(lián)規(guī)則挖掘算法Aprior和FP并可以應(yīng)用教學(xué)重點(diǎn)與難點(diǎn)：1.Aprior算法2.FP算法教學(xué)內(nèi)容備注4.4OLAP4.5數(shù)據(jù)湖4.6湖倉一體第5章關(guān)聯(lián)規(guī)則5.1關(guān)聯(lián)規(guī)則的基本思想5.2關(guān)聯(lián)規(guī)則的主要算法5.3關(guān)聯(lián)規(guī)則的研發(fā)歷程

教案（末頁）復(fù)習(xí)思考題：1設(shè)數(shù)據(jù)庫有5個(gè)事務(wù)。設(shè)min_sup=60%,min_conf=80%分別使用Apriori和FP增長算法找出所有頻繁項(xiàng)集。比較兩種挖掘過程的效率。2下面的相依表匯總了超級市場的事務(wù)數(shù)據(jù)。其中，hotdogs表示包含熱狗的事務(wù)，hotdogs表示不包含熱狗的事務(wù)，hamburgers表示包含漢堡包的事務(wù)，hamburgers表示不包含漢堡包的事務(wù)，（a）假定挖掘出了關(guān)聯(lián)規(guī)則。給定最小支持度閥值25%，最小置信度閥值50%，該關(guān)聯(lián)規(guī)則是強(qiáng)規(guī)則嗎？（b）根據(jù)給定的數(shù)據(jù)，買hotdogs獨(dú)立于買humburgers嗎？如果不是，二者之間存在何種相關(guān)聯(lián)系。推薦閱讀書目：(AssociationRules)R.Agrawal,T.Imielinski,andA.Swami.Miningassociationrulesbetweensetsofitemsinlargedatabases.SIGMOD'93(Max-pattern)R.J.Bayardo.Efficientlymininglongpatternsfromdatabases.SIGMOD'98(Closed-pattern)N.Pasquier,Y.Bastide,R.Taouil,andL.Lakhal.Discoveringfrequentcloseditemsetsforassociationrules.ICDT'99(Sequentialpattern)R.AgrawalandR.Srikant.Miningsequentialpatterns.ICDE'95數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第4周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排4授課題目（章節(jié)或單位課時(shí)）：第6章聚類算法6.1聚類的基本思想6.2聚類的主要算法教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、了解聚類算法的基本思想2、掌握k-means算法、高斯混合模型教學(xué)重點(diǎn)與難點(diǎn)：k-means算法、高斯混合模型教學(xué)內(nèi)容備注第6章聚類6.1聚類的基本思想6.2聚類的主要算法6.2.1k-means算法6.2.2高斯混合模型

教案（末頁）復(fù)習(xí)思考題：請解釋決策樹中屬性選擇度量標(biāo)準(zhǔn)：信息增益度、信息增益率和基尼指數(shù)，并比較各種度量標(biāo)準(zhǔn)的優(yōu)缺點(diǎn)推薦閱讀書目：C.ApteandS.Weiss.Dataminingwithdecisiontreesanddecisionrules.FutureGenerationComputerSystems,13,1997R.O.Duda,P.E.Hart,andD.G.Stork.PatternClassification,2ed.JohnWiley,2001數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第5周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排5授課題目（章節(jié)或單位課時(shí)）：第6章聚類算法第7章分類算法7.1算法概述7.2決策樹算法教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：掌握劃分方法（patition）、層次方法、基于密度的方法和基于網(wǎng)格的方法。了解聚類算法發(fā)展趨勢3、了解分類的基本思想4、掌握決策樹算法教學(xué)重點(diǎn)與難點(diǎn)：劃分方法（patition）、層次方法、基于密度的方法和基于網(wǎng)格的方法。決策樹算法中的信息增益度、信息增益率和基尼指數(shù)教學(xué)內(nèi)容備注6.2.3層次聚類算法6.2.4DBSCAN算法6.2.5網(wǎng)格聚類6.3聚類的研發(fā)歷程第7章分類7.1分類的基本思想7.2分類的主要算法7.2.1決策樹算法及其優(yōu)化

教案（末頁）復(fù)習(xí)思考題：1、下圖已按分類器返回示例為正的概率值的遞減排序。對于每個(gè)示例計(jì)算真正例（TP），假正例（FP）、真負(fù)例（TN）和負(fù)示例（FN）的個(gè)數(shù)。計(jì)算真正例率（TPR）和假正例率（FPR），為該數(shù)據(jù)繪制ROC曲線。元組號(hào)類概率1p0.952n0.853p0.784p0.665n0.606p0.557n0.538n0.529n0.512、如何使用10折交叉驗(yàn)證評估分類器的準(zhǔn)確率推薦閱讀書目：I.H.WittenandE.Frank.DataMining:PracticalMachineLearningToolsandTechniques,2ed.MorganKaufmann,2005[1]袁漢寧，王樹良，程永，金福生，宋紅.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2015.[2]王振武．大數(shù)據(jù)挖掘與應(yīng)用．北京：清華大學(xué)出版社，2017．[3]王宏志．大數(shù)據(jù)分析原理與實(shí)踐．北京:機(jī)械工業(yè)出版社，2017數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第6周授課方式（請打√）√講授□實(shí)驗(yàn)□其它課時(shí)安排6授課題目（章節(jié)或單位課時(shí)）：第7章分類算法7.2分類的主要算法7.3分類的研發(fā)歷程教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、掌握knn和貝葉斯算法2、掌握分類算法集成、評估3、了解分類算法發(fā)展趨勢教學(xué)重點(diǎn)與難點(diǎn)：貝葉斯算法分類算法的集成教學(xué)內(nèi)容備注7.2.2CART算法7.2.3SVM算法7.2.4KNN算法7.2.5樸素貝葉斯算法7.3分類的研發(fā)歷程

教案（末頁）復(fù)習(xí)思考題：1、簡略的介紹如下的聚類算法：劃分方法（patition）、層次方法、基于密度的方法和基于網(wǎng)格的方法。2、按如下標(biāo)準(zhǔn)對DBSCAN聚類算法進(jìn)行描述（1）可以確定的簇的形狀、（2）指定的輸入?yún)?shù)（3）局限性推薦閱讀書目：[1]袁漢寧，王樹良，程永，金福生，宋紅.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2015.[2]王振武．大數(shù)據(jù)挖掘與應(yīng)用．北京：清華大學(xué)出版社，2017．[3]王宏志．大數(shù)據(jù)分析原理與實(shí)踐．北京:機(jī)械工業(yè)出版社，2017數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第7周授課方式（請打√）□講授√實(shí)驗(yàn)□其它課時(shí)安排7授課題目（章節(jié)或單位課時(shí)）：數(shù)據(jù)探索與預(yù)處理實(shí)踐教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、掌握劃數(shù)據(jù)探索與預(yù)處理實(shí)踐方法。教學(xué)重點(diǎn)與難點(diǎn)：數(shù)據(jù)探索方式的選擇教學(xué)內(nèi)容備注第12章 典型應(yīng)用12.1 客戶流失預(yù)測12.1.1業(yè)務(wù)理解12.1.2數(shù)據(jù)理解12.1.3數(shù)據(jù)準(zhǔn)備12.1.4構(gòu)建模型12.1.5評估模型12.1.6結(jié)果部署

教案（末頁）復(fù)習(xí)思考題：1如何根據(jù)數(shù)據(jù)具體情況選擇合適的探索與可視化方法？推薦閱讀書目：實(shí)驗(yàn)指導(dǎo)書[1]袁漢寧，王樹良，程永，金福生，宋紅.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2015.[2]王振武．大數(shù)據(jù)挖掘與應(yīng)用．北京：清華大學(xué)出版社，2017．[3]王宏志．大數(shù)據(jù)分析原理與實(shí)踐．北京:機(jī)械工業(yè)出版社，2017數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教案（續(xù)頁）授課時(shí)間第8周授課方式（請打√）□講授√實(shí)驗(yàn)□其它課時(shí)安排8授課題目（章節(jié)或單位課時(shí)）：數(shù)據(jù)挖掘?qū)嵺`教學(xué)目的與要求（分了解、熟悉、掌握和綜合運(yùn)用四個(gè)層次）：1、掌握數(shù)據(jù)挖掘?qū)嵺`方法。教學(xué)重點(diǎn)與難點(diǎn)：數(shù)據(jù)挖掘方法的選擇教學(xué)內(nèi)容備注第12章 典型應(yīng)用12.2 客戶穩(wěn)定度評估12.2.1業(yè)務(wù)理解12.2.2數(shù)據(jù)理解12.2.3數(shù)據(jù)準(zhǔn)備12.2.4構(gòu)建模型12.2.5評估模型12.2.6結(jié)果部署

教案（末頁）復(fù)習(xí)思考題：1如何根據(jù)數(shù)據(jù)具體情況選擇合適的數(shù)據(jù)挖掘方法？推薦閱讀書目：實(shí)驗(yàn)指導(dǎo)書[1]袁漢寧，王樹良，程永，金福生，宋紅.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2015.[2]王振武．大數(shù)據(jù)挖掘與應(yīng)用．北京：清華大學(xué)出版社，2017．[3]王宏志．大數(shù)據(jù)分析原理與實(shí)踐．北京:機(jī)械工業(yè)出版社，2017教案（末頁）復(fù)習(xí)思考題：1如何根據(jù)數(shù)據(jù)具體情況選擇合適的數(shù)據(jù)挖掘方法？推薦閱讀書目：實(shí)驗(yàn)指導(dǎo)書[1]袁漢寧，王樹良，程永，金福生，宋紅.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.北京：人民郵電出版社，2015.[2]王振武．大數(shù)據(jù)挖掘與應(yīng)用．北京：清華大學(xué)出版社，2017．[3]王宏志．大數(shù)據(jù)分析原理與實(shí)踐．北京:機(jī)械工業(yè)出版社，2017大作業(yè)的選題：//（1）城市人口可視化模塊可以利用人口數(shù)據(jù)設(shè)計(jì)并實(shí)現(xiàn)人口可視化模塊，通過可視化方式和相關(guān)分析方法直觀展示人口發(fā)展現(xiàn)狀及規(guī)律?？梢暬ㄗh軟件：echart,D3.數(shù)據(jù)鏈接：/datasets/105/datasets/91/datasets/68/datasets/36/datasets/