《商业数据挖掘》教学大纲.docx

《商业数据挖掘》是一门针对信息管理与信息系统本科专业的选修课程，旨在让学生深入理解和应用数据挖掘技术解决实际商业问题。课程共48学时，包括26学时的理论讲解和22学时的上机实践，主要围绕数据挖掘的基本概念、方法和技术展开。 课程首先介绍数据挖掘的基本概念，包括其功能、数据对象、模式、系统分类以及实际应用案例，帮助学生建立对数据挖掘的全面认识。数据预处理是关键环节，课程会讲解数据清理、集成、变换、归约等方法，以及离散化和概念分层生成的技巧，强调数据预处理的重要性。 关联规则学习是数据挖掘的重要部分，课程会讲解Apriori算法，以及如何从事务数据库和多维数据库中挖掘关联规则。分类和预测部分，学生将学习决策树归纳算法、贝叶斯分类和预测算法，掌握如何通过这些方法进行预测分析。聚类分析则涉及聚类的基本思想、相异度度量方法和常用聚类算法，如k-means算法。 在SPSS Clementine这一数据挖掘工具的使用上，课程会教授如何导入数据，运用各种数据处理技术和建模节点，如aprior、C5.0、C&R树、k-means和kohonen节点，以实现数据建模和结果理解。 课程考核方面，除了常规作业，还包括一篇课程论文，综合平时成绩、实验成绩、期中和期末考试成绩进行总评。参考教材包括《数据挖掘：概念、模型、方法和算法》、《数据挖掘导论》、《大数据：互联网大规模数据挖掘与分布式处理》和《数据挖掘技术》等，为学生提供了丰富的学习资源。 通过这门课程的学习，学生不仅能够掌握数据挖掘的基本理论，还能熟练运用SPSS Clementine等工具进行实际操作，培养出将商业问题转化为数据挖掘目标，收集、分析数据，建立和评估模型的能力，最终形成清晰的报告，提升理论与实践相结合的能力。