引言：易發(fā)表網(wǎng)憑借豐富的文秘實踐，為您精心挑選了九篇數(shù)據(jù)挖掘課程范例。如需獲取更多原創(chuàng)內(nèi)容，可隨時聯(lián)系我們的客服老師。

第1篇

國外很多大學(xué)都開設(shè)了數(shù)據(jù)挖掘類課程，波士頓大學(xué)的“數(shù)據(jù)管理與商務(wù)智能”課程主要包括基礎(chǔ)、核心技術(shù)、應(yīng)用三部分。授課方式包括理論內(nèi)容講授、案例教學(xué)，以及學(xué)生以團隊合作方式完成項目并進行課堂演講。從麻省理工學(xué)院開放性課程資料（斯隆管理學(xué)院）中可以看出，在每章講解一種算法之后都盡可能地安排了商務(wù)實例的分析，并在課程后期安排了客座講座的形式。國內(nèi)對于數(shù)據(jù)挖掘的教學(xué)類研究成果也很多，主要集中在三類問題的研究上，較為普遍的是根據(jù)專業(yè)建立大綱的研究，例如針對電子商務(wù)專業(yè)進行大綱設(shè)計；另外也有專注研究某一種或多種適合數(shù)據(jù)挖掘或商務(wù)智能的教學(xué)方法，如專題研討法；還有的討論算法理解與程序設(shè)計、軟件應(yīng)用的關(guān)系。

2、基于模塊化方法的課程內(nèi)容分析

模塊化教學(xué)模式是按照程序模塊化的構(gòu)想和原則來設(shè)計教學(xué)內(nèi)容的一整套教學(xué)體系，它是在既定的培養(yǎng)目標(biāo)指導(dǎo)下，將全部教學(xué)內(nèi)容按照一定標(biāo)準(zhǔn)或規(guī)則進行分解，使其成為多個相對獨立的教學(xué)模塊，且各教學(xué)模塊之間可以按照一定的規(guī)則有選擇性的重新組合。該方法在20世紀(jì)70年代，由國際勞工組織引入教學(xué)之中，開發(fā)出以現(xiàn)場教學(xué)為主，以技能培訓(xùn)為核心的模塊化教學(xué)模式，在很多國家得到廣泛應(yīng)用。由于該教學(xué)法具有針對性、靈活性、現(xiàn)實性等特點，越來越受到教育界的關(guān)注。模塊化教學(xué)本質(zhì)上是以知識點與實踐的細化為出發(fā)點研究，本課程的知識點細化分為兩個層次：一是從宏觀角度，參考ACM的SIGKDD的數(shù)據(jù)挖掘課程建設(shè)建議，設(shè)計課程的基礎(chǔ)內(nèi)容模塊和高級主題模塊；二是從微觀角度，針對較為復(fù)雜的算法進行的知識點劃分。課程內(nèi)容的一至五章屬于基礎(chǔ)內(nèi)容模塊，介紹本課程的基礎(chǔ)理論和入門的數(shù)據(jù)挖掘技術(shù)；六至第八章介于基礎(chǔ)內(nèi)容與高級主題之間，介紹數(shù)據(jù)挖掘的核心算法，可以根據(jù)學(xué)生情況進行靈活處理，可強調(diào)應(yīng)用，也可深化算法介紹；第九、十章為高級主題模塊，可以作為擴展材料介紹應(yīng)用，或為感興趣同學(xué)提供算法介紹；課程實踐模塊包含數(shù)據(jù)倉庫建設(shè)與數(shù)據(jù)挖掘算法的應(yīng)用，難度居中，可以在引導(dǎo)學(xué)生思考的前提下給出實驗步驟，并引導(dǎo)學(xué)生使用類似的方法處理不同的數(shù)據(jù)。

3、基于模塊化方法進行重要知識點的模塊化分析

重要知識點內(nèi)涵較為豐富，一般體現(xiàn)在經(jīng)典數(shù)據(jù)挖掘算法上，通常一大類算法下還分有多個算法，不同算法的在難度上有漸進層次，同一種算法也有很大改進研究空間，講授彈性比較大。因此，適合使用模塊化方法進行處理，并且需要在課程設(shè)計中明確一定課時量所要達到的內(nèi)容和難度。基礎(chǔ)部分為必選內(nèi)容，介紹基本概念和基本原理；決策樹作為數(shù)據(jù)挖掘分類算法的最基礎(chǔ)算法也是必選內(nèi)容，決策樹算法有多種分類，需要進行按照難易程度進行選擇；最后要根據(jù)難度選擇其他分類算法進行介紹。

4、結(jié)論

第2篇

關(guān)鍵詞:數(shù)據(jù)挖掘;成績分析;決策樹算法

一、引言

成績作為考試的結(jié)果,不僅是對學(xué)生學(xué)業(yè)和教師教學(xué)效果的檢查和評定,進而激勵學(xué)生學(xué)習(xí)及教師工作;更是一種信息,具有反饋于教學(xué)活動、服務(wù)于教學(xué)決策、為教育科研提供資料等作用。為充分發(fā)揮考試的效能,綜合評價命題質(zhì)量,及時反饋教學(xué)效果,溝通教學(xué)信息,教學(xué)部門對考試成績進行統(tǒng)計分析和總結(jié)是非常必要的。

二、問題提出

我們以軟件技術(shù)系軟件開發(fā)專業(yè)為例進行分析。在眾多專業(yè)課程中,很多科目之間是相互聯(lián)系相互影響的,例如《Java初級程序設(shè)計》是《Java高級程序設(shè)計》的前置課程,《J2EE企業(yè)級應(yīng)用開發(fā)》則是《Java高級程序設(shè)計》的后續(xù)課程,《網(wǎng)頁制作―HTML、CSS》的學(xué)習(xí)效果將會影響《網(wǎng)頁制作―JavaScript》,而這些課程之間又是相互滲透相互聯(lián)系的。有時候有的教師在上一門課時會抱怨這個班的基礎(chǔ)不好,后續(xù)課程很難上,那么究竟是什么哪些前置課程對后續(xù)課程造成了影響呢?這里我們以軟件開發(fā)專業(yè)核心課程《J2EE企業(yè)級應(yīng)用開發(fā)》為例,分析研究影響這門課成績的前置課程對其的影響。

三、數(shù)據(jù)預(yù)處理

07級軟件開發(fā)專業(yè)一共9個班,前4個學(xué)期一共開設(shè)23門課程,在教學(xué)管理的數(shù)據(jù)庫中保存著大量屬性繁多,定義復(fù)雜,冗余多,不完整的數(shù)據(jù)。我們首先要從大量的數(shù)據(jù)中篩選出適合分析的數(shù)據(jù)。

在課程的選擇中,我們選取《計算機基礎(chǔ)》、《計算機網(wǎng)絡(luò)基礎(chǔ)》、《計算機數(shù)學(xué)基礎(chǔ)》、《Java程序設(shè)計基礎(chǔ)》、《數(shù)據(jù)結(jié)構(gòu)》、《數(shù)據(jù)庫原理與SQL Server》、《Java高級程序設(shè)計》、《網(wǎng)頁制作技術(shù)》以及《J2EE企業(yè)級應(yīng)用開發(fā)》這幾門有關(guān)聯(lián)的課程進行分析。并且在分析之前把《計算機基礎(chǔ)》、《計算機網(wǎng)絡(luò)基礎(chǔ)》、《計算機數(shù)學(xué)基礎(chǔ)》這3門基礎(chǔ)課取平均值合并成一個《計算機基礎(chǔ)》。

這是在軟件技術(shù)專業(yè)9個班400多人中隨機抽樣選取91個學(xué)生的記錄作為樣本集。

表1 采樣成績表

經(jīng)統(tǒng)計,91個學(xué)生記錄中,各門課程及格和不及格人數(shù)如表5.2所示。

表2 樣本集中各門課及格不及格人數(shù)統(tǒng)計

四、建立模型

1. 決策樹方法介紹

決策樹是一個類似流程圖的樹型結(jié)構(gòu),其中樹的每個內(nèi)部結(jié)點代表對一個屬性(取值)的測試,其分支就代表了測試的每個結(jié)果;而樹的每個葉結(jié)點就代表一個類別,可以根據(jù)決策樹的結(jié)構(gòu)對數(shù)據(jù)集中的屬性值進行測試,從決策樹的根結(jié)點到葉結(jié)點的一條路徑就形成了對相應(yīng)對象的類別預(yù)測。

2. ID3算法的基本思想及原理

ID3算法是R.Quinlan于1986年提出的,其前身是CLS。CLS的工作過程為:首先找出最有判別力的因素,把數(shù)據(jù)分成多個子集,每個子集又選擇最有判別力的因素進行劃分,一直進行到所有子集僅包含同一類型的數(shù)據(jù)為止,最后得到一棵決策樹,可以用它來對新的樣例進行分類。

3. 構(gòu)建決策樹

成績結(jié)果分為正例和反例兩類:及格(P)和不及格(N)。

下面用ID3算法,建立決策樹,對課程成績分類。

具體計算過程如下:

首先計算J2EE課程所含有的信息量。J2EE及格人數(shù)P=81,不及格人數(shù)N=10,則可得到:

0.4493

然后計算當(dāng)J2EE及格和不及格時,其他課程所包含的總信息量。經(jīng)統(tǒng)計,其他6門課程和J2EE有如表3所示的統(tǒng)計數(shù)據(jù):

計算機基礎(chǔ):

0.4421

從而得到計算機基礎(chǔ)的信息增益度為:

Gain(計算機基礎(chǔ))=0.4493-0.4421=0.0072

同樣的方式,得到其他課程的信息增益度,結(jié)果如表4所示:

表4 各門課程的信息增益度

可以看出所有課程當(dāng)中JAVA高級程序設(shè)計是最能區(qū)別訓(xùn)練集中決定J2EE成績與否的課程。根據(jù)各個課程的信息增益度,應(yīng)該選擇JAVA高級程序設(shè)計作為所建決策樹的根結(jié)點。由于JAVA高級的屬性值只有兩個:1(及格)和0(不及格),所以在JAVA高級下可以建立兩個分支。此時,將訓(xùn)練實例集分為二個子集,生成包含二個葉結(jié)點的決策樹。如圖1所示。

圖1 根節(jié)點分類決策樹

經(jīng)統(tǒng)計,JAVA高級程序設(shè)計及格且J2EE也及格的人數(shù)為73,其準(zhǔn)確率為73/79=92.4%。因此對JAVA高級程序設(shè)計及格這個分支(結(jié)點一)停止分割。經(jīng)統(tǒng)計,JAVA高級程序設(shè)計不及格的12人中有5人J2EE及格,7人J2EE不及格,所以對高級程序設(shè)計不及格這個分支(結(jié)點二)進行再次分割。

對圖1中的葉結(jié)點二進行分類。經(jīng)過計算,此刻正例為4,反例為8,所以此時的熵值為:

0.9799

采用上面同樣的方法計算各門課程的信息熵,得到

計算機基礎(chǔ):

0.9799

得到Gain(計算機基礎(chǔ))= 0.9799-0.9799=0.0000

同理,得到:

Gain(JAVA基礎(chǔ))= 0.9799-0.9371=0.0482

Gain(數(shù)據(jù)結(jié)構(gòu))= 0.9799-0.8669=0.1130

Gain(數(shù)據(jù)庫)= 0.9799-0.9799=0.0000

Gain(網(wǎng)頁設(shè)計)= 0.9799-0.9371=0.0482

選擇數(shù)據(jù)結(jié)構(gòu)為分裂點,將結(jié)點二分為兩個子集。JAVA高級不及格且數(shù)據(jù)結(jié)構(gòu)及格的人數(shù)為1人,該結(jié)點停止分割,JAVA高級不及格且數(shù)據(jù)結(jié)構(gòu)不及格的11人中有4人J2EE及格,7人不及格,因此對該節(jié)點需要再次分割。

采用上述同樣的方式劃分,最后得到如圖2所示的最終決策樹。

圖2最終決策樹

五、結(jié)果分析

分析圖2所示的決策樹,我們可以得到:對于軟件專業(yè)后期的核心課程《J2EE企業(yè)級應(yīng)用開發(fā)》來說,《Java高級程序設(shè)計》的學(xué)習(xí)程度直接影響其學(xué)習(xí)效果,《數(shù)據(jù)結(jié)構(gòu)》和《JAVA初級程序設(shè)計》也會對《J2EE企業(yè)級應(yīng)用開發(fā)》的成績帶來影響,如果學(xué)生《JAVA高級程序設(shè)計》學(xué)習(xí)一般但是《數(shù)據(jù)結(jié)構(gòu)》和《JAVA初級程序設(shè)計》基礎(chǔ)較好的話,依然能夠在學(xué)習(xí)《J2EE企業(yè)級應(yīng)用開發(fā)》時取得好的成績。這比較符合專業(yè)課程學(xué)習(xí)過程的實際情況。決策樹得出的結(jié)果反映了實際情況,這也充分說明了數(shù)據(jù)挖掘是一個強有力的輔助決策工具。

六、結(jié)束語

回顧一下這個案例,驗證數(shù)據(jù)挖掘技術(shù)解決這個問題的效果。在分析過程中,我們利用相關(guān)的數(shù)據(jù),通過橫向比較《計算機基礎(chǔ)》、《Java程序設(shè)計基礎(chǔ)》、《數(shù)據(jù)結(jié)構(gòu)》、《數(shù)據(jù)庫原理與SQL Server》、《Java高級程序設(shè)計》、《網(wǎng)頁制作技術(shù)》以及《J2EE企業(yè)級應(yīng)用開發(fā)》等課程成績,經(jīng)過數(shù)據(jù)收集、數(shù)據(jù)選擇、數(shù)據(jù)清理、數(shù)據(jù)歸納、數(shù)據(jù)轉(zhuǎn)換等過程,運用決策樹中的ID3算法課程之間知識結(jié)構(gòu)相互支撐的模型,發(fā)現(xiàn)專業(yè)核心課程之間的內(nèi)在聯(lián)系。輔助教學(xué)管理人員根據(jù)該模型對現(xiàn)有教學(xué)計劃做出調(diào)整,對師資資源合理利用,將優(yōu)質(zhì)師資用在主干課程上。

參考文獻:

1.李小映,數(shù)據(jù)挖掘在高職院校學(xué)校綜合信息中的應(yīng)用,計算技術(shù)與自動化,2006.12

2.陳松、盧繼萍,教學(xué)管理系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究,中國教育技術(shù)裝備,2007.12

3.李雪真、陳燕國 ,基于數(shù)據(jù)挖掘的高校課程設(shè)置評價方法,科技資訊,2008.8

第3篇

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘課程；教學(xué)方法；人才培養(yǎng)

近年來，在社會發(fā)展和科學(xué)進步的過程中，以信息技術(shù)為中心的各領(lǐng)域產(chǎn)生了豐富的數(shù)據(jù)，引起了社會各界人員的高度關(guān)注。體量大、速度快、模態(tài)多和價值密度低是大數(shù)據(jù)具有的特點，其能夠促進科學(xué)和社會經(jīng)濟的進一步發(fā)展，對國家安全也具有重要的影響。然而從大量數(shù)據(jù)中挖掘出有價值的信息和知識是需要專業(yè)的數(shù)據(jù)挖掘人才來實現(xiàn)的，因此，在高校數(shù)據(jù)挖掘課程教學(xué)過程中，教師要創(chuàng)新教學(xué)方法，運用科學(xué)的教學(xué)理論培養(yǎng)學(xué)生對數(shù)據(jù)的意識，從而促進教學(xué)質(zhì)量的提高和大量數(shù)據(jù)人才的培養(yǎng)。

一、科學(xué)引導(dǎo)，培養(yǎng)數(shù)據(jù)意識

在我國的各大高校中，數(shù)據(jù)挖掘課程是理科和工科都開設(shè)的一門課程，其專業(yè)性質(zhì)較強，最初開設(shè)這門課程的主要目的是在于讓學(xué)生了解數(shù)據(jù)的相關(guān)概念和挖掘數(shù)據(jù)的相關(guān)技術(shù)手段，并能夠在以后的社會實踐中應(yīng)用到數(shù)據(jù)挖掘技術(shù)。但社會經(jīng)濟的發(fā)展和科學(xué)技術(shù)的進步，給數(shù)據(jù)挖掘課程帶來了較大的挑戰(zhàn)，僅僅是了解數(shù)據(jù)的相關(guān)知識和掌握淺層次的數(shù)據(jù)挖掘技術(shù)是不能適應(yīng)時展需求的。因此，需要開設(shè)數(shù)據(jù)挖掘課程的高校教師在教學(xué)過程中對學(xué)生要進行科學(xué)的引導(dǎo)，注重培養(yǎng)學(xué)生的數(shù)據(jù)意識，提高學(xué)生對數(shù)據(jù)挖掘課程的積極性。

數(shù)據(jù)驅(qū)動的理論分析和應(yīng)用是數(shù)據(jù)挖掘課程的重點，具體性和抽象性是其具有的兩個特點。數(shù)據(jù)挖掘課程的主要研究對象是具體的數(shù)據(jù)，并從數(shù)據(jù)中挖掘出有價值的信息和知識，能夠?qū)?shù)據(jù)進行解釋和理解，這主要體現(xiàn)出數(shù)據(jù)挖掘課程的具體性特點；而在進行數(shù)據(jù)挖掘過程中使用的理論、方法和技術(shù)等概念，體現(xiàn)的是數(shù)據(jù)挖掘課程的抽象性，其在課堂學(xué)習(xí)過程中的消化和理解的難度是較大的，因為時間較短。由于種種因素對數(shù)據(jù)挖掘課程造成影響，因此在設(shè)計數(shù)據(jù)挖掘課程的教學(xué)之前，首先要做的就是讓學(xué)生對數(shù)據(jù)挖掘課程感興趣，并在發(fā)展過程中使學(xué)生的數(shù)據(jù)意識得以培養(yǎng)和提高。

在設(shè)計數(shù)據(jù)挖掘課程的教學(xué)過程中，可以增加講解什么是數(shù)據(jù)、數(shù)據(jù)有什么作用、所具有的重要性等的學(xué)時，加強學(xué)生對數(shù)據(jù)的認(rèn)識和重視。處在大數(shù)據(jù)的時代環(huán)境下，要讓學(xué)生了解什么是“大數(shù)據(jù)”，而生活中的哪些方面存在大數(shù)據(jù)、大數(shù)據(jù)是以何種增長方式在哪些領(lǐng)域進行發(fā)展的大數(shù)據(jù)能夠發(fā)揮作用等。教師在教學(xué)過程中可以使用多媒體教學(xué)的方法，通過實例和聲像的展示，讓學(xué)生了解生活中存在的數(shù)量，并清楚的掌握數(shù)據(jù)挖掘的技術(shù)方法，并從大量的數(shù)據(jù)中挖掘出有價值的信息和知識，為社會發(fā)展和企業(yè)進步提供服務(wù)，讓學(xué)生了解在企業(yè)的發(fā)展過程中，數(shù)據(jù)挖掘的重要性。為了增加學(xué)生對數(shù)據(jù)挖掘課程的興趣和重視程度，在教學(xué)過程中，教師還可以將數(shù)據(jù)分析和數(shù)據(jù)挖掘的相關(guān)招聘案例融入到教學(xué)過程中，從數(shù)據(jù)挖掘課程以往的就業(yè)率、職位性質(zhì)、工資待遇及未來的職業(yè)發(fā)展前景等方面來增加學(xué)生對數(shù)據(jù)挖掘課程的興趣，有利于在以后的學(xué)習(xí)生活中更好地掌握數(shù)據(jù)挖掘技術(shù)和應(yīng)用數(shù)據(jù)知識。

二、深化基礎(chǔ)，加強理論體系

現(xiàn)有的數(shù)據(jù)中心技術(shù)因大數(shù)據(jù)的特征而很難滿足數(shù)據(jù)分析的需求，去噪降維技術(shù)、數(shù)據(jù)儲存、數(shù)據(jù)整合、數(shù)據(jù)特征表示、數(shù)據(jù)通信傳輸和處理，以及非結(jié)構(gòu)化和半結(jié)構(gòu)化處理等方面是其主要表現(xiàn)。基于此，數(shù)據(jù)挖掘技術(shù)面臨的局勢較為嚴(yán)峻，并且數(shù)據(jù)挖掘課程是一門綜合性較強的學(xué)科，涉及的內(nèi)容較為廣泛、復(fù)雜，主要包括數(shù)據(jù)庫技術(shù)、統(tǒng)計學(xué)知識、機器設(shè)備知識、信息檢索技術(shù)和智能計算等學(xué)科內(nèi)容。然而現(xiàn)階段的高校在教學(xué)設(shè)計過程中難以在有限的時間里將這些學(xué)科全部開設(shè)，即使是將這些學(xué)科全部開設(shè)了，每個學(xué)科的課時就會較少，不利于各學(xué)科的深入學(xué)習(xí)，從而對數(shù)據(jù)挖掘技術(shù)的掌握造成不同程度的阻礙。為了解決這個問題，在高校進行教學(xué)設(shè)計的過程中，可以把大三或大四的學(xué)生作為數(shù)據(jù)挖掘課程的主要教學(xué)對象，因為這部分學(xué)生對自己的職業(yè)生涯有清晰的認(rèn)識，并且在大一、大二的學(xué)習(xí)過程中有一定的知識基礎(chǔ)。在大一學(xué)年和大二學(xué)年開設(shè)高等數(shù)學(xué)、統(tǒng)計學(xué)、算法分析、智能計算、數(shù)據(jù)庫原理和計算機系統(tǒng)原理等學(xué)科，為數(shù)據(jù)挖掘課程的學(xué)習(xí)做好基礎(chǔ)性的工作。在教學(xué)過程中，教師也可以向?qū)W生推薦數(shù)據(jù)挖掘課程相關(guān)的數(shù)據(jù)，最好的專業(yè)領(lǐng)域較為著名的案例，有利于鼓勵學(xué)生學(xué)習(xí)數(shù)據(jù)挖掘課程的自信心。外語水平也是數(shù)據(jù)挖掘課程對學(xué)生的一個要求，因為只有掌握了高水平的外語，才能夠了解國外的數(shù)據(jù)挖掘技術(shù)的發(fā)展水平，全面的掌握國內(nèi)外的數(shù)據(jù)挖掘發(fā)展情況。所以在設(shè)計高校數(shù)據(jù)挖掘課程的教學(xué)過程中，要推進基礎(chǔ)知識的深化以及理論體系的完善，為日后的數(shù)據(jù)挖掘課程的學(xué)習(xí)奠定知識基礎(chǔ)。

三、聯(lián)系實際，創(chuàng)新教學(xué)方法

實踐是理論來源的基礎(chǔ)，對于理論的檢驗，實踐是最有效的途徑。由于數(shù)據(jù)挖掘技術(shù)具有強烈的抽象性，以至于學(xué)生對大數(shù)據(jù)的認(rèn)識較為模糊，讓學(xué)生了解數(shù)據(jù)挖掘課程的內(nèi)容和在實際生活中的應(yīng)用所采取的方式就是教師的教學(xué)方法。案列教學(xué)法是教學(xué)過程中最好的教學(xué)方法，有利于學(xué)生對數(shù)據(jù)挖掘知識的了解和掌握，還有利于學(xué)生掌握良好的數(shù)據(jù)挖掘技術(shù)方法。通過案例教學(xué)法，讓學(xué)生了解數(shù)據(jù)挖掘在生活中的重要作用，在處理大數(shù)據(jù)時具有很大的作用。

教師在積極轉(zhuǎn)變教學(xué)內(nèi)容和教學(xué)方法的同時，學(xué)生也應(yīng)該積極探索提高學(xué)習(xí)質(zhì)量的方法，在課堂教學(xué)過程中，雖然教師起主導(dǎo)作用，但是課堂的主體仍然是學(xué)生。對于教學(xué)內(nèi)容，學(xué)生應(yīng)該主動接受，與被動接受相比，會獲得較好的學(xué)習(xí)效果，因此要讓學(xué)生欣然地接受教師教學(xué)過程中的新內(nèi)容和新方法。此外，在上機實驗課程的教學(xué)過程中，對于案例中的具體案例需要學(xué)生親自來演算，而教師在這個過程中主要是引導(dǎo)和指導(dǎo)，啟發(fā)學(xué)生對深層次內(nèi)容的創(chuàng)新思考。還可以在每次采集和試驗案例之后，要求學(xué)生提交相應(yīng)的分析研究報告，這樣一來，學(xué)生對于大數(shù)據(jù)挖掘課程的接受程度能夠被教師很好地掌握，從而完善教師的教學(xué)方法，提高教學(xué)質(zhì)量。

四、增強興趣，深入科學(xué)研究

數(shù)據(jù)挖掘在大數(shù)據(jù)下面臨著巨大的挑戰(zhàn)，數(shù)據(jù)挖掘?qū)W科是一門綜合性的學(xué)科，其中涉及的其他學(xué)科較多，所以學(xué)習(xí)難度和教學(xué)難度較大。因此在教學(xué)過程中要充分發(fā)揮教師的主導(dǎo)作用，引導(dǎo)學(xué)生對數(shù)據(jù)挖掘課程的深入學(xué)習(xí)。例如，讓學(xué)生間隔性地去了解大數(shù)據(jù)環(huán)境下數(shù)據(jù)挖掘技術(shù)解決了什么問題，甚至讓他們調(diào)查如今各大型招聘網(wǎng)中有關(guān)大數(shù)據(jù)分析和數(shù)據(jù)挖掘等職位的情況，進而增強學(xué)生對數(shù)據(jù)挖掘的興趣。此外，對于年級較高的學(xué)生來說，深造是其主要選擇的方式，也可以通過出國或是考研等渠道進行知識資源的深入學(xué)習(xí)，從而掌握更多的知識，提升自身的綜合素養(yǎng)。對于這樣的學(xué)生，教師應(yīng)該通過鼓勵的方式使其選擇研究數(shù)據(jù)挖掘方向的科學(xué)，為了充分有效地提高這部分學(xué)生的研究水平，教師可以給學(xué)生布置一些具體的課題任務(wù)，課題任務(wù)的研究內(nèi)容一定要保證精細程度，甚至可以精細到數(shù)據(jù)挖掘過程中使用的一個方法的研究，這有利于學(xué)生深刻認(rèn)識課題任務(wù)重要性的培養(yǎng)，同時還有利于學(xué)生較為準(zhǔn)確地把握問題研究的方法和內(nèi)容。提高學(xué)生對新型研究技術(shù)和研究方法的掌握，可以增加學(xué)生的經(jīng)典文獻的閱讀量，在這個過程中，學(xué)生的創(chuàng)新性思維得到了有效培養(yǎng)，教師還要采取有效的措施引導(dǎo)學(xué)生進行學(xué)術(shù)性的創(chuàng)作研究。在實際的教學(xué)過程中，將科學(xué)研究引入到其中，有利于促進學(xué)生對新知識的理解和吸收，還能夠使學(xué)生解決問題的能力得到有效提升，為學(xué)生研究大數(shù)據(jù)的挖掘提供有利保證，并且打下一個堅實的基礎(chǔ)。

五、結(jié)語

在大數(shù)據(jù)環(huán)境下，數(shù)據(jù)挖掘課程是各大高校急需開設(shè)的一門課程，教師在教學(xué)過程中，要使用創(chuàng)新的教學(xué)方法，讓學(xué)生真正地了解到數(shù)據(jù)挖掘技術(shù)對社會進步和企業(yè)發(fā)展的重大作用。教師還要結(jié)合教學(xué)經(jīng)驗，重點從培養(yǎng)學(xué)生的數(shù)據(jù)意識、加強理論體系、創(chuàng)新教學(xué)方法和深入科學(xué)研究等方面進行數(shù)據(jù)挖掘課程教學(xué)設(shè)計，為提高大數(shù)據(jù)環(huán)境下挖掘課程的教學(xué)質(zhì)量提供參考依據(jù)。

參考文獻：

[1]劉建偉.數(shù)據(jù)挖掘課程設(shè)計的教學(xué)探索[J].科技信息，2013，（23）.

[2]黃美麗.“數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”研討型教學(xué)實踐探析[J].計算機時代，2012，（12）.

[3]周森鑫，盛鵬飛，王夫芹.數(shù)據(jù)挖掘課程案例教學(xué)研究[J].計算機技術(shù)與發(fā)展，2012，（11）.

第4篇

近年來，數(shù)據(jù)挖掘與商務(wù)智能技術(shù)發(fā)展迅速，充分借鑒國外相關(guān)研究，尤其是ACMSIGKDD課程委員會對數(shù)據(jù)挖據(jù)課程建設(shè)建議，對進行數(shù)據(jù)挖掘類課程的教學(xué)建設(shè)研究有重要意義。ACM（美國計算機協(xié)會）于1998年成立了SIGKDD（知識發(fā)現(xiàn)興趣小組），致力于知識發(fā)現(xiàn)與數(shù)據(jù)挖掘的相關(guān)研究，ACMSIGKDD課程委員會連續(xù)多年多次更新其主要課程———數(shù)據(jù)挖據(jù)課程的建議，其中委員會將數(shù)據(jù)挖掘課程分為基礎(chǔ)部分與高級主題，基礎(chǔ)部分覆蓋了數(shù)據(jù)挖掘的基本方法，高級主題既有數(shù)據(jù)挖掘基本方法的深入研究，又有更高級算法的介紹。國外很多大學(xué)的計算機科學(xué)學(xué)院、商學(xué)院都開設(shè)了數(shù)據(jù)挖掘類課程并同時進行相關(guān)研究。波士頓大學(xué)開設(shè)了“數(shù)據(jù)管理與商務(wù)智能”課程，課程主要包括基礎(chǔ)、核心技術(shù)、應(yīng)用三部分。許多國外著名大學(xué)建立了教學(xué)管理系統(tǒng)，提供大量的案例、在線討論和在線輔導(dǎo)功能。國內(nèi)很多學(xué)校都開設(shè)了數(shù)據(jù)挖掘的相關(guān)課程，我國大多數(shù)高校的課程大綱內(nèi)容與國外大致相同，只是在實踐部分選用了不同的商務(wù)案例。數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域廣泛，因此可以根據(jù)開課學(xué)院和專業(yè)選擇合適的實例。

二、根據(jù)信息管理專業(yè)本科生培養(yǎng)要求確定課程目標(biāo)

數(shù)據(jù)挖掘課程是一門綜合性很強的前沿學(xué)科，對計算機軟硬件、數(shù)據(jù)庫、人工智能技術(shù)、統(tǒng)計學(xué)算法、優(yōu)化算法等基礎(chǔ)知識都有較高的要求。因此該門課程開設(shè)在學(xué)生大三下學(xué)期，既有相關(guān)知識的基礎(chǔ)，又為大四做畢業(yè)設(shè)計提供了一種思路。信息管理專業(yè)是計算機與管理相結(jié)合的專業(yè)，旨在培養(yǎng)具備信息系統(tǒng)開發(fā)能力與信息資源分析與處理能力的綜合應(yīng)用型人才。對信息管理專業(yè)的學(xué)生而言，本課程主要的目標(biāo)是數(shù)據(jù)挖掘算法原理理解、數(shù)據(jù)挖掘算法在商務(wù)管理問題中的應(yīng)用以及常用數(shù)據(jù)倉庫與數(shù)據(jù)挖掘軟件的熟練應(yīng)用和二次開發(fā)。

三、基于模塊化方法的課程內(nèi)容分析

模塊化教學(xué)模式是按照程序模塊化的構(gòu)想和原則來設(shè)計教學(xué)內(nèi)容的一整套教學(xué)體系，它是在既定的培養(yǎng)目標(biāo)指導(dǎo)下，將全部教學(xué)內(nèi)容按照一定標(biāo)準(zhǔn)或規(guī)則進行分解，使其成為多個相對獨立的教學(xué)模塊，且各教學(xué)模塊之間可以按照一定的規(guī)則有選擇性的重新組合。學(xué)生可以根據(jù)個人興趣和職業(yè)取向在不同模塊之間進行選擇和搭配，從而實現(xiàn)不同的教學(xué)目標(biāo)和人才培養(yǎng)要求。模塊化教學(xué)本質(zhì)上是以知識點與實踐的細化為出發(fā)點研究的。商務(wù)智能方法本身非常豐富，實踐應(yīng)用也是課程的主要特點之一，因此十分適合使用模塊化的知識分解方式。本課程的知識點模塊管理分為兩個層次，一是從宏觀角度設(shè)計課程的基礎(chǔ)內(nèi)容模塊和高級主題模塊；二是從微觀角度針對較為復(fù)雜的教學(xué)內(nèi)容進行的知識點劃分。

1.課程主要內(nèi)容模塊化分析。目前該課程包括十章理論內(nèi)容，分別為數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本知識、數(shù)據(jù)倉庫的OLAP技術(shù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)、概念描述：特征化與比較、挖掘大型數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則、分類與預(yù)測、聚類分析、復(fù)雜類型數(shù)據(jù)挖掘和序列模式挖掘。根據(jù)模塊化管理的宏觀角度分類，課程內(nèi)容的第一至五章屬于基礎(chǔ)理論部分和簡單數(shù)據(jù)挖掘技術(shù)的介紹，可以作為基礎(chǔ)內(nèi)容模塊；第六至八章為數(shù)據(jù)挖掘的核心算法，其中既有基礎(chǔ)理論與技術(shù)方法，又可深入到較難的方法和復(fù)雜的應(yīng)用，因此介于基礎(chǔ)內(nèi)容與高級主題之間；第九、十章可以算做課程的高級主題模塊；另外，課程的實踐模塊既包含數(shù)據(jù)倉庫的建設(shè)又包含數(shù)據(jù)挖掘算法的應(yīng)用，難度也介于基礎(chǔ)內(nèi)容與高級主題之間。

2.復(fù)雜知識點的模塊化管理。從微觀角度對知識點進行設(shè)計主要針對的是上述的高級主題、以及難度介于基礎(chǔ)內(nèi)容與高級主題之間的章節(jié)，由于這些章節(jié)知識點在難度上有一定層次，講授內(nèi)容彈性比較大，因此需要在課程設(shè)計中明確一定課時量所要達到的難度。以商務(wù)智能技術(shù)中的分類算法為例：首先一般的入門課程都會介紹分類算法的概念和基本原理；接著開始介紹分類算法的基礎(chǔ)算法———決策樹，而決策樹算法中又包含ID3等多種算法，并且除了決策樹外，還有其他更高級的分類算法；在真正使用分類法進行預(yù)測時，還要分析預(yù)測準(zhǔn)確度；最終要將所學(xué)知識加以應(yīng)用。這樣就形成了一個結(jié)構(gòu)清晰、難度循序漸進的知識點模塊的層次關(guān)系。在宏觀角度、微觀角度對教學(xué)內(nèi)容進行分類的前提下進行相應(yīng)的授課方法與考查方法的研究，才能真正有助于學(xué)生的學(xué)習(xí)。

四、授課與考核方法設(shè)計

對不同層次學(xué)生要求不同，這種不同既體現(xiàn)在知識點的要求上，又直接體現(xiàn)在任務(wù)的難易性程度上，這都需要教師在課程設(shè)計時充分考慮不同要求情況下的不同的授課方式，并使學(xué)生清楚自己需要掌握的程度。對于高級算法和實現(xiàn)部分，通常可以選擇一到兩章內(nèi)容采用專題探討式的教學(xué)方法。這種方法是指在教師啟發(fā)和引導(dǎo)下，以學(xué)生為主體，選擇某個基本教學(xué)單元為專題，學(xué)生自主研究作為知識傳遞的基本形式，將多種靈活的教學(xué)方式綜合運用到教學(xué)環(huán)節(jié)的教學(xué)方法。根據(jù)信管專業(yè)培養(yǎng)方案的培養(yǎng)目標(biāo)、以及對學(xué)生調(diào)研的情況，實踐環(huán)節(jié)比較適合選擇成熟的商務(wù)智能工具進行數(shù)據(jù)的整合和多維數(shù)據(jù)建模，也就是直接使用現(xiàn)成的；或者使用數(shù)據(jù)挖掘軟件進行數(shù)據(jù)建模，完善數(shù)據(jù)挖掘算法。可以針對學(xué)生管理基礎(chǔ)課與IT基礎(chǔ)課知識的掌握情況，選擇合適的工具為學(xué)生設(shè)計綜合性實驗。實驗中給出部分操作步驟，并在實驗后期僅給出數(shù)據(jù)與工具，讓學(xué)生自己設(shè)計數(shù)據(jù)倉庫、進行數(shù)據(jù)挖掘、并對挖掘結(jié)果進行多種形式的展示。

五、結(jié)論

第5篇

課程相關(guān)性分析數(shù)據(jù)挖掘相關(guān)分析典型相關(guān)分析關(guān)聯(lián)規(guī)則一、引言

課程是實現(xiàn)教學(xué)內(nèi)容傳遞的集中體現(xiàn)，是學(xué)校教育的目的性、計劃性和組織性的集中體現(xiàn)。課程設(shè)置規(guī)定著課程類型、課程性質(zhì)、課程排序和學(xué)時分配，還規(guī)定各類各科課程的學(xué)習(xí)目標(biāo)、學(xué)習(xí)內(nèi)容和學(xué)習(xí)要求等，其合理與否將直接影響到所培養(yǎng)人才的質(zhì)量，關(guān)系到學(xué)生知識面的寬度、深度、動手實踐和研究能力的高低，同時也已經(jīng)成為了影響大學(xué)生就業(yè)的主要因素之一。因此，課程結(jié)構(gòu)和課程內(nèi)容的合理設(shè)置尤為重要。

課程相關(guān)性分析可定量描述課程之間的相關(guān)性，可根據(jù)相關(guān)系數(shù)值的大小確定課程間關(guān)系的緊密程度，然后從順序性、整體性、關(guān)聯(lián)性和連續(xù)性四個方面為優(yōu)化課程設(shè)置提供參考信息，優(yōu)化課程結(jié)構(gòu)和課程內(nèi)容。近年來，國內(nèi)外教育工作研究人員開展了大量的課程相關(guān)性方面的研究，國內(nèi)外多所著名高校已將課程相關(guān)性研究成果作為課程設(shè)置的基本依據(jù)。

目前課程相關(guān)性分析研究所采用的方法均基于數(shù)據(jù)分析，其方法主要包括傳統(tǒng)數(shù)據(jù)分析法和數(shù)據(jù)挖掘分析法兩種，而兩者又有著本質(zhì)的區(qū)別。在探索數(shù)據(jù)關(guān)系時，傳統(tǒng)的分析方法一般是基于驗證的方法，即用戶首先對數(shù)據(jù)之間的關(guān)系做出一定的假設(shè)，然后通過數(shù)據(jù)分析來驗證假設(shè)是否正確來得出相應(yīng)結(jié)論，其分析過程是基于假設(shè)驅(qū)動的演繹型分析；數(shù)據(jù)挖掘不是用于驗證某個假定的模式（模型）的正確性，而是在數(shù)據(jù)庫中自己尋找模型，數(shù)據(jù)挖掘在本質(zhì)上是一個完全基于發(fā)現(xiàn)驅(qū)動的歸納型分析過程。

本文對課程相關(guān)性分析中的數(shù)據(jù)挖掘過程及基于數(shù)據(jù)挖掘技術(shù)的課程相關(guān)分析方法進行介紹，以期為我國高校課程的優(yōu)化設(shè)置研究提供理論指導(dǎo)和方法借鑒。

二、數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，通過使用成熟的數(shù)據(jù)挖掘模型，提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識，得到數(shù)據(jù)中反映出來的數(shù)據(jù)內(nèi)在的關(guān)系，從而進一步應(yīng)用到具體的數(shù)據(jù)分析研究中去。數(shù)據(jù)挖掘得到的信息具有先前未知、有效和實用三個特征。

目前，數(shù)據(jù)挖掘技術(shù)的已被應(yīng)用于關(guān)聯(lián)分析（Association Analysis）、概念/類別描述（Concept/Class Description）、分類與估值（Classification and Estimation）、聚類分析（Clustering Analysis）、時間序列分析（Time-Series Analysis）、偏差分析（Deviation Analysis）、孤立點分析（Outlier Analysis）等方面，隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，可能還會繼續(xù)出現(xiàn)新的數(shù)據(jù)挖掘功能。課程相關(guān)性分析為其關(guān)聯(lián)分析功能中的一部分，所采用的分析方法主要有相關(guān)分析法、典型相關(guān)分析法和關(guān)聯(lián)規(guī)則分析法等。

數(shù)據(jù)挖掘分析過程各步驟之間互相影響、反復(fù)調(diào)整，形成一種螺旋式上升過程，具體分析流程見圖1所示。目前已建立的數(shù)據(jù)挖掘模型有CRISP-DM模型（Cross Industry Standard Process for Data Mining）、ODDM模型（OLE DB for Data Mining）、Oracle9i數(shù)據(jù)挖掘模型等多種，對于課程相關(guān)性分析來說，具有直觀、簡單和可靠等特點的CRISP-DM模型最為適用，其模型見圖2所示。

三、基于數(shù)據(jù)挖掘的課程相關(guān)性分析方法

基于數(shù)據(jù)挖掘的課程相關(guān)性分析方法主要有相關(guān)分析法、典型相關(guān)分析法和關(guān)聯(lián)規(guī)則分析法，三種方法各具優(yōu)缺點，互不可取代。

1.相關(guān)分析法

相關(guān)分析法又稱單因子相關(guān)分析法，主要用于研究兩個變量因子間的相關(guān)關(guān)系。作為教育信息多元統(tǒng)計分析方法的一種，相關(guān)分析法主要用于測定現(xiàn)象之間相關(guān)關(guān)系的規(guī)律性，據(jù)此進行預(yù)測和控制。將其用于課程相關(guān)性的探討研究，可直接量化兩門課程間的相關(guān)性，分析過程簡單、快捷，顯示方式直觀，數(shù)據(jù)可信度高。

相關(guān)分析法在課程相關(guān)性分析研究中應(yīng)用，主要有以下幾個步驟：

第6篇

關(guān)鍵詞：數(shù)據(jù)挖掘原理與算法；實例；教學(xué)探索

0.引言

隨著經(jīng)濟、科技和信息技術(shù)的飛速發(fā)展，特別是網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)據(jù)的產(chǎn)生和存儲能力有了很大程度的提高。數(shù)據(jù)挖掘的出現(xiàn)，為人們提供了一條解決“數(shù)據(jù)豐富而知識貧乏”困境的有效途徑Ⅲ。所以很多高校，包括世界上一些著名高校都開設(shè)了數(shù)據(jù)挖掘課程。課程的基礎(chǔ)理論部分一般包括數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則、分類、聚類、時間序列挖掘、Web挖掘等內(nèi)容。該課程使學(xué)生學(xué)會分析研究數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理、常用算法、結(jié)果的可視化等技術(shù)，并培養(yǎng)學(xué)生的數(shù)據(jù)抽象能力，幫助學(xué)生形成科學(xué)思維和專業(yè)素養(yǎng)，使他們畢業(yè)后在就業(yè)上有更多的選擇。

筆者將探討基于實例教學(xué)的數(shù)據(jù)挖掘課程的教學(xué)內(nèi)容安排，強調(diào)淡化學(xué)科背景，加強算法的應(yīng)用性訓(xùn)練，將實際的例子貫穿于教學(xué)中，并重新組織授課內(nèi)容、安排實踐環(huán)節(jié)，教會學(xué)生學(xué)以致用。

1.教學(xué)現(xiàn)狀分析

1.1課程本質(zhì)

數(shù)據(jù)挖掘原理與算法涉及的學(xué)科領(lǐng)域很寬泛。其最終目的是在數(shù)據(jù)中挖掘出可供人們利用的知識和信息，因此數(shù)據(jù)挖掘技術(shù)要從數(shù)據(jù)庫技術(shù)、統(tǒng)計學(xué)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、知識系統(tǒng)、信息檢索、高性能計算和可視化等領(lǐng)域汲取營養(yǎng)。另外，每個學(xué)科都在進行著日新月異的發(fā)展變化，數(shù)據(jù)挖掘技術(shù)遇到的挑戰(zhàn)也為相關(guān)學(xué)科領(lǐng)域的深入研究提供了新的契機。由于課程難度較大，很多高校把這門課程作為研究生的專業(yè)課程，也有院校將此課作為本科生高年級選修課開設(shè)腳。但是本科生開設(shè)這門課程的普通院校較少，我們能借鑒的教學(xué)經(jīng)驗有限。

1.2數(shù)據(jù)挖掘課程教學(xué)環(huán)節(jié)的弊端

①某些學(xué)校對本科生開設(shè)的數(shù)據(jù)挖掘課程，其教學(xué)過程對理論的探討過多，與應(yīng)用存在距離，沒有體現(xiàn)出這門課程面向應(yīng)用的特質(zhì)，缺少對學(xué)生工程能力的訓(xùn)練，存在學(xué)生在學(xué)了這門課程后不知道能干什么的現(xiàn)象。

②教學(xué)形式呆板單一。傳統(tǒng)的教師講、學(xué)生聽的教學(xué)模式，很難引起學(xué)生的探究興趣，不利于發(fā)揮他們自身的能動性和創(chuàng)新動機。

2.選擇恰當(dāng)實例貫穿數(shù)據(jù)挖掘課程的教學(xué)過程

煙臺大學(xué)計算機學(xué)院所開設(shè)的數(shù)據(jù)挖掘課程在教學(xué)上安排了6章內(nèi)容，涉及3個實例（其中兩個是實際生活中的項目課題）：第1個是用于房產(chǎn)信息調(diào)查的房產(chǎn)客戶關(guān)系管理系統(tǒng)；第2個是用于煙臺大學(xué)督評中心評教文本分類的中文文本數(shù)據(jù)挖掘系統(tǒng)；第3個是用于國家葡萄酒檢測中心的數(shù)據(jù)分析的葡萄酒成分?jǐn)?shù)據(jù)挖掘系統(tǒng)。

2.1房產(chǎn)客戶關(guān)系管理系統(tǒng)

在講述房產(chǎn)客戶關(guān)系管理系統(tǒng)時內(nèi)容涵蓋緒論、知識發(fā)現(xiàn)過程和關(guān)聯(lián)規(guī)則3章，重點講授內(nèi)容包括：

（1）數(shù)據(jù)倉庫。住房管理數(shù)據(jù)倉庫中的數(shù)據(jù)是按主題組織的，可從歷史觀點提供信息。數(shù)據(jù)挖掘技術(shù)能按知識工程的方法完成高層次需求，可以發(fā)現(xiàn)蘊藏在數(shù)據(jù)內(nèi)部的知識模式。挖掘后形成的知識表示模式可為企業(yè)決策提供支持。

（2）通過對客戶信息進行分析，闡述關(guān)聯(lián)規(guī)則的參數(shù)：support、confidence、expected confidence，并簡單介紹關(guān)聯(lián)規(guī)則中的多維、多層次等拓展知識。

（3）關(guān)聯(lián)規(guī)則挖掘。①講授關(guān)聯(lián)規(guī)則挖掘的Apriori算法；②講述布爾關(guān)聯(lián)規(guī)則的概念，對處理后形成的交易數(shù)據(jù)庫進行布爾關(guān)聯(lián)規(guī)則挖掘，將問題轉(zhuǎn)化為尋找以決策屬性為結(jié)果的規(guī)則；③將關(guān)聯(lián)規(guī)則挖掘應(yīng)用于客戶關(guān)系管理的最終目的是努力將潛在客戶轉(zhuǎn)變?yōu)楝F(xiàn)實客戶，將滿意客戶轉(zhuǎn)變?yōu)橹艺\的終生客戶，提高客戶滿意程度，降低市場銷售及宣傳成本，增加利潤率。

（4）設(shè)minsup=10%，minconf=70%。在統(tǒng)計的各類人群中獵取咨詢的渠道主要是雜志、報紙、互聯(lián)網(wǎng)和電視。經(jīng)試驗統(tǒng)計后得到以下有關(guān)知識：①滿足age>50 AND職業(yè)=“工人”的客戶占所統(tǒng)計總?cè)藬?shù)的9.7%；其中滿足age>50 AND職業(yè)=“工人”AND渠道=“TV”的客戶占92%。②符合學(xué)歷=“大專”AND職業(yè)=“工人”的客戶占所統(tǒng)計總?cè)藬?shù)的24.8%，其中滿足學(xué)歷=“大專”AND職業(yè)=“工人”AND渠道=“newspaper”的客戶占82%。③被統(tǒng)計人群中滿足income=“5000-9000”AND職業(yè)=“教師、醫(yī)生、公務(wù)員”的客戶占所統(tǒng)計總?cè)藬?shù)的32.7%；其中滿足income=“4000-6000”AND職業(yè)=“教師、醫(yī)生、公務(wù)員”AND渠道=“雜志”的客戶占83%。④被統(tǒng)計人群中滿足學(xué)歷=“本科”AND income≥“10000”的客戶占所統(tǒng)計總?cè)藬?shù)的占11.6%；其中符合學(xué)歷=“本科”ANDincome≥“8000”AND職業(yè)=“公司經(jīng)理”AND渠道=“雜志”的客戶占86.5%。

（5）教師要分析Apriori算法的瓶頸和改進，介紹Close算法和FP-樹算法，并且要求學(xué)生們掌握這3種經(jīng)典算法。

2.2中文文本數(shù)據(jù)挖掘系統(tǒng)

中文文本數(shù)據(jù)挖掘系統(tǒng)圍繞評教分類模型的建立講述特征選擇和主要分類算法。根據(jù)煙臺大學(xué)教學(xué)督評中心提供的學(xué)生對教師的中文評教文本，利用分類的方法找出其評價的傾向性，結(jié)合教材，重點講授了以下內(nèi)容：

1）特征選擇。

①介紹有監(jiān)督、無監(jiān)督和半監(jiān)督的特征選擇方法。②介紹使用分詞軟件后，統(tǒng)計詞頻，去掉小于閾值的低頻詞。③對比詞頻率、IG值（信息增益）、期望值差異對分類結(jié)果的影響留取特征詞。

部分?jǐn)?shù)據(jù)示例如下：用特征選擇的方法對重要的屬性進行抽取，略去對分類影響不大的屬性，達到降維的目的，把特征選擇作為預(yù)處理。我們選用517條主觀評價作為訓(xùn)練樣本，其中233條留言是一般評價，采用以下3種方式進行特征選擇：詞頻率、IG值（信息增益）、期望值差異。不同方式特征選擇對分類準(zhǔn)確性的影響如表1所示。

2）分類。

在介紹常用的分類基礎(chǔ)知識和決策樹、ID3、樸素貝葉斯分類、最近鄰分類算法之后，又介紹了基于潛在語義分析的降維技術(shù)，講授了支持向量機（SVM）適用于文本分類的原因。布置給學(xué)生的任務(wù)是用爬蟲獲取網(wǎng)評，作傾向性分析。

評教文本分類統(tǒng)計后的結(jié)論是：將降維技術(shù)和支持向量機算法結(jié)合在評教模型的建立過程中，研究討論的主要內(nèi)容有：①各個指標(biāo)取不同值對分類的影響，這些指標(biāo)主要集中在特征抽取和選擇、保留詞性和降維維數(shù)等幾方面；②對分詞后的文本進行特征選擇，篩去了詞頻數(shù)小于4的文本；③降維至30維，并適當(dāng)設(shè)置SVM中的可變參數(shù)，找到合適的訓(xùn)練一測試樣本的比例，最后綜合出一個現(xiàn)有條件下的最佳分類模型。

2.3葡萄酒成份數(shù)據(jù)挖掘系統(tǒng)

葡萄酒成份數(shù)據(jù)挖掘系統(tǒng)介紹數(shù)值數(shù)據(jù)的預(yù)處理和聚類2章內(nèi)容。對葡萄酒成份的分析是根據(jù)所提供的酒中各成份的含量數(shù)據(jù)，采用聚類或分類的方法確定某種葡萄酒的種類，比如是紅葡萄酒、白葡萄酒還是甜葡萄酒。圍繞這個問題我們介紹了如下內(nèi)容：

1）數(shù)值數(shù)據(jù)的預(yù)處理。

①介紹葡萄酒中各個屬性的含義和取值范圍；②講授數(shù)據(jù)的離散化技術(shù)，如等深、等寬、聚類技術(shù)；③講授本例中使用的m一估值計算對數(shù)值屬，1生的離散化技術(shù)；④講述本例中如何避免0值出現(xiàn)及去噪聲技術(shù)。

葡萄酒中各成份的含量數(shù)據(jù)如表2所示。

2）聚類。

在介紹聚類的基本知識和常用算法（如k均值、k中心點、DBSCAN技術(shù)）之后，講解了：①本課題使用的層次聚類算法。在測試結(jié)果時通過測試樣本和分類樣本的不同比例，對結(jié)果進行了對比。②講述了用樸素貝葉斯分類計數(shù)對這一問題的分類處理，同時對比了聚類和分類算法在同一問題上的結(jié)論差異。利用樸素的貝葉斯分類器可以完成預(yù)測目標(biāo)，根據(jù)訓(xùn)練樣本建立分類器，對待測樣本進行預(yù)測，準(zhǔn)確率可達到90%以上。③引導(dǎo)學(xué)生思考對問題的處理可以聯(lián)合使用各種算法，并分析各種算法對結(jié)果的影響，從而找出解決問題的最佳方案。

2.4利用已知算法和實例講授Web挖掘技術(shù)

因特網(wǎng)規(guī)模龐大、結(jié)構(gòu)復(fù)雜、動態(tài)變化性大，蘊含大量的信息。將Web上豐富的信息轉(zhuǎn)變成有用的知識正是Web挖掘的意義所在。用之前中文文本分類的方法引導(dǎo)學(xué)生在一些購物網(wǎng)站中下載對商品評論的中文文本，抽取特征詞，進行傾向性分析，使學(xué)生熟悉支持向量機的分類方法，分詞軟件的使用及文本挖掘的整個過程。

3.結(jié)語

文章在前期制定應(yīng)用型本科生數(shù)據(jù)挖掘課程教學(xué)大綱的基礎(chǔ)上，針對數(shù)據(jù)挖掘課程內(nèi)容多學(xué)科交叉的特點，在教學(xué)中提出淡化學(xué)科背景，注重算法應(yīng)用與實踐，以客戶關(guān)系管理、葡萄酒數(shù)據(jù)分析、中文評教文本分類等實例作為授課內(nèi)容主線，讓實例教學(xué)始終圍繞著典型的算法和前沿知識展開的教學(xué)方式。在今后的教學(xué)工作中，我們還應(yīng)該不斷站在學(xué)科發(fā)展的前列，經(jīng)常更新實例，使其更好地融入教學(xué)，將教與學(xué)有機統(tǒng)一，取得更好的教學(xué)效果。因此我們還有大量的工作需要探索研究。

參考文獻：

[1]宋成，李晉宏，項目驅(qū)動的數(shù)據(jù)挖掘教學(xué)模式探討[J]，中國電力教育，2011（27）：116-177.

[2]劉云霞，統(tǒng)計學(xué)專業(yè)本科生開設(shè)“數(shù)據(jù)挖掘”課程的探討[J]，吉林工程技術(shù)師范學(xué)院學(xué)報，2010（6），20-22.

[3]徐金寶，對應(yīng)用型本科生開設(shè)數(shù)據(jù)挖掘課程的嘗試[J]，計算機教育，2007（7）：27-29.

[4]高園園，呂慶文，數(shù)據(jù)挖掘課程的教學(xué)思考[J]，醫(yī)學(xué)信息，2009，22（11）：23-24.

第7篇

（武漢科技大學(xué)城市學(xué)院信息工程學(xué)部 湖北 武漢 430083）

摘 要：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘是大數(shù)據(jù)時代產(chǎn)生的一門新興交叉的課程。針對該課程的特點，將CDIO工程教學(xué)理念融合到教學(xué)過程，重新設(shè)置了教學(xué)目標(biāo)與大綱、調(diào)整了教學(xué)內(nèi)容、改進了教學(xué)方法，總結(jié)了數(shù)據(jù)挖掘課程教學(xué)實踐的一般流程并給出具體的實驗教學(xué)設(shè)計方案。

關(guān)鍵詞 ：教學(xué)改革；數(shù)據(jù)倉庫；數(shù)據(jù)挖掘；CDIO

中圖分類號：G642 文獻標(biāo)識碼：A doi：10．3969／j．issn．1665－2272．2015．09．040

收稿日期：2015－03－15

1 CDIO簡介

CDIO工程教育模式是基于項目的學(xué)習(xí)的一種模式。CDIO中，C（Conceive）構(gòu)思，根據(jù)工程實踐，讓學(xué)生掌握專業(yè)知識的基本原理，確定未來發(fā)展方向；D（Design）設(shè)計，以產(chǎn)品設(shè)計與規(guī)劃為核心，解決具體問題；I（Implement）執(zhí)行，以制造為核心，組織一體化的課程實踐，其中包括學(xué)生必須掌握的理論知識與實踐能力；O（Operate）運作，即產(chǎn)品應(yīng)用的各個環(huán)節(jié)。它以產(chǎn)品的研發(fā)到運行的生命周期為載體，通過系統(tǒng)的產(chǎn)品設(shè)計讓學(xué)生以主動的、實踐的、課程有機聯(lián)系的方式學(xué)習(xí)。CDIO代表工程項目生命全周期，是產(chǎn)業(yè)轉(zhuǎn)型升級對創(chuàng)新人才需求的形勢。

CDIO培養(yǎng)大綱將工程畢業(yè)生的能力分為技術(shù)知識與推理、個人專業(yè)能力和素質(zhì)、團隊合作與溝通能力、在企業(yè)和社會環(huán)境下CDIO系統(tǒng)四個層面，大綱要求以綜合的培養(yǎng)方式達到這四個層面的預(yù)定目標(biāo)。其精髓在于：以工程項目設(shè)計為導(dǎo)向、工程能力培養(yǎng)為目標(biāo)的工程教育模式。

2 “數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”課程概況

當(dāng)今的大數(shù)據(jù)時代，人們處理數(shù)據(jù)的能力大大增強，快速增長的海量數(shù)據(jù)已經(jīng)遠遠超出人們的理解能力，因此數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)得到了廣泛關(guān)注，有效地挖掘和運用海量數(shù)據(jù)，獲得有價值的知識和信息，從而幫助人們制定正確的決策。很多高校為工程類專業(yè)本科生開設(shè)這門專業(yè)課，研究如何將信息處理技術(shù)運用于企業(yè)管理決策的具體實際。

本工程課程涉及到數(shù)據(jù)倉庫的設(shè)計與構(gòu)建技術(shù)、聯(lián)機分析處理OLAP技術(shù)、分類與預(yù)測、聚類、關(guān)聯(lián)規(guī)則算法、數(shù)據(jù)挖掘應(yīng)用綜合項目技術(shù)等多方面的知識和技能。通過課程的學(xué)習(xí)，不僅要求學(xué)生掌握在數(shù)據(jù)倉庫與數(shù)據(jù)挖掘方面的知識，還要求培養(yǎng)學(xué)生的工程CDIO能力。

但是目前許多高校在工程教育采用的教學(xué)方式存在以下問題：培養(yǎng)目標(biāo)不清楚，學(xué)術(shù)化傾向嚴(yán)重；人才培養(yǎng)模式單一，缺乏多樣性和適應(yīng)性；工程性缺失和實踐環(huán)節(jié)薄弱；課程體系與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整不適應(yīng)等。在教學(xué)過程中，強調(diào)教師的主導(dǎo)作用，卻忽視了學(xué)生的主體作用，忽視了學(xué)生的工程意識、工程素質(zhì)和工程實踐能力的培養(yǎng)。這與高校培養(yǎng)創(chuàng)新性應(yīng)用型人才的目標(biāo)相悖。因此，改革勢在必行。

3 “數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”課程改革實踐

3．1 基于CDIO理念的教學(xué)目標(biāo)與大綱

CDIO教育理念所提倡的工程畢業(yè)生的能力分為技術(shù)知識與推理、個人專業(yè)能力和素質(zhì)、團隊合作與溝通能力、在企業(yè)和社會環(huán)境下CDIO系統(tǒng)四個層面，四個層面上進行綜合培養(yǎng)的教學(xué)模式。在CDIO能力培養(yǎng)目標(biāo)方面，課程在四個能力層面上建立培養(yǎng)目標(biāo)。

針對“數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述”內(nèi)容，知識點是數(shù)據(jù)倉庫的含義與特征、數(shù)據(jù)挖掘的任務(wù)、多維數(shù)據(jù)模型。講授數(shù)據(jù)倉庫的概念、特點、構(gòu)成以及數(shù)據(jù)挖掘和數(shù)據(jù)處理的基本知識，使學(xué)生有一個初步的理解。培養(yǎng)學(xué)生技術(shù)知識與推理能力。

針對“聯(lián)機分析處理OLAP”內(nèi)容，知識點是數(shù)據(jù)倉庫的數(shù)據(jù)組織、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、基于多維數(shù)據(jù)模型的數(shù)據(jù)分析。本階段如果不結(jié)合直觀的舉例講解，學(xué)生就失去了興趣，因此筆者要布置一些思考題，教會學(xué)生自主學(xué)習(xí)，自己查閱教材、網(wǎng)絡(luò)等資源資料，從中提煉出結(jié)論。培養(yǎng)個人分析問題、解決問題的能力、所學(xué)知識的靈活應(yīng)用能力；

針對“分類與預(yù)測、聚類、關(guān)聯(lián)規(guī)則”內(nèi)容，知識點是數(shù)據(jù)采集、關(guān)聯(lián)規(guī)則算法的設(shè)計、結(jié)果分析。在這個階段經(jīng)常會是“數(shù)據(jù)的堆砌”，講了很廣泛的算法知識卻沒有足夠的時間進行深入理解。因此應(yīng)抓住關(guān)鍵的概念、能力，引導(dǎo)學(xué)生提出問題，并學(xué)會調(diào)查研究，為學(xué)生提供深層學(xué)習(xí)的機會，并把在第一層面所學(xué)的知識運用到對問題的解決之中去。這樣，學(xué)習(xí)的焦點就從“覆蓋”的方式過渡到以學(xué)生為中心的學(xué)習(xí)方式。培養(yǎng)數(shù)據(jù)獲取能力、程序設(shè)計能力、問題表達能力；

針對“數(shù)據(jù)挖掘應(yīng)用綜合項目”內(nèi)容，知識點是項目的準(zhǔn)備、進度管理、文檔管理和項目設(shè)計和實現(xiàn)。實際工作牽涉到企業(yè)或者組織的各個部門多類人員，所有團隊成員之間協(xié)同、合作，會有分工、溝通、協(xié)調(diào)，甚至?xí)型讌f(xié)，這就要求在運用實例的過程中一定要具有團隊合作精神。培養(yǎng)工程系統(tǒng)能力和人際團隊能力。

3．2 改革教學(xué)內(nèi)容

在教學(xué)內(nèi)容中安排了兩級項目：多種初級項目和一個高級項目。初級項目是將課程內(nèi)容分成各種項目，數(shù)據(jù)主要來源于SQL Server 2008的示例數(shù)據(jù)倉庫Adventure Works DW，以項目實現(xiàn)促進理論學(xué)習(xí)；高級項目是綜合性項目：“卷煙產(chǎn)品銷售規(guī)律挖掘”，利用卷煙產(chǎn)品歷史銷售數(shù)據(jù)中蘊含的信息，采用數(shù)據(jù)挖掘技術(shù)對各個卷煙品種銷售的關(guān)聯(lián)關(guān)系進行分析并預(yù)測，以制定更加合理的卷煙產(chǎn)品營銷策略。具體項目設(shè)置如下：

項目一：基于SQL Server 2008的數(shù)據(jù)倉庫數(shù)據(jù)庫及多維數(shù)據(jù)模型設(shè)計。步驟如下：分析組織的業(yè)務(wù)狀況及數(shù)據(jù)源結(jié)構(gòu)組織需求調(diào)研，收集分析需求采用信息包圖法設(shè)計數(shù)據(jù)倉庫的概念模型利用星型圖設(shè)計邏輯模型物理模型設(shè)計構(gòu)建多維數(shù)據(jù)模型。本項目旨在個人能力的培養(yǎng)（分析問題、解決問題的能力、所學(xué)知識的靈活運用能力等）。

項目二：關(guān)聯(lián)規(guī)則挖掘。使用商業(yè)智能開發(fā)工具進行購物籃分析，以達到重新設(shè)計網(wǎng)站功能，提高產(chǎn)品的零售量。

項目三：潛在客戶分析即分類及預(yù)測。使用商業(yè)智能開發(fā)工具分析購買自行車的潛在客戶。

項目四：K－Means聚類分析。使用商業(yè)智能開發(fā)工具分析客戶購買自行車情況分析。

項目五：貝葉斯網(wǎng)絡(luò)應(yīng)用。使用商業(yè)智能開發(fā)工具解決一個簡單的預(yù)測和診斷問題。

項目二至五旨在培養(yǎng)學(xué)生個人能力（數(shù)據(jù)獲取能力、程序設(shè)計能力等）和人際團隊能力（問題表達能力、人際交流能力），倡導(dǎo)學(xué)生樂于探究、勤于動手。

高級項目：數(shù)據(jù)挖掘應(yīng)用綜合項目“卷煙產(chǎn)品銷售規(guī)律挖掘”。將一個相對獨立的項目交由學(xué)生自己處理，從信息的收集，方案的設(shè)計，到項目實施及最終評價，都由學(xué)生自己負責(zé)，學(xué)生通過該項目的進行，了解并把握整個過程及每一個環(huán)節(jié)中的基本要求。通過綜合項目，學(xué)生完成了CDIO的四個階段，提升CDIO所提倡的四大能力，具體體現(xiàn)如表1所示。

3．3 改革教學(xué)方法

在課程教學(xué)方法是項目教學(xué)法為主，任務(wù)驅(qū)動法和案例教學(xué)法為輔的教學(xué)模式，起到很好的教學(xué)效果。

4 結(jié)語

CDIO工程教育模式由麻省理工學(xué)院和瑞典皇家工程學(xué)院提出，包括構(gòu)思、設(shè)計、實現(xiàn)和運作四個環(huán)節(jié)，是國際流行的工程人才培養(yǎng)理念，強調(diào)對學(xué)生創(chuàng)新思維、實踐能力和團隊協(xié)作精神的培養(yǎng)。本文體現(xiàn)了CDIO理念的能力培養(yǎng)要求，將數(shù)據(jù)倉庫設(shè)計開發(fā)方法和數(shù)據(jù)挖掘技術(shù)融入具有較強工程背景與應(yīng)用價值的項目設(shè)計與開發(fā)中，理論與實踐緊密結(jié)合，推動課程建設(shè)和課程教學(xué)改革。

參考文獻

1 顧佩華，沈民奮，陸小華譯．重新認(rèn)識工程教育—國際CDIO培養(yǎng)模式與方法［M］．北京：高等教育出版社，2009

2 郭長虹． 重構(gòu)CDIO特色的工程圖學(xué)課程體系［J］．圖文學(xué)報，2013（3）

3 王麗麗． CDIO視角下項目驅(qū)動法在“數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”教學(xué)中的應(yīng)用［J］．電子商務(wù)，2013（9）

第8篇

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；應(yīng)用型本科；理論教學(xué)；實驗教學(xué)

中圖分類號：G642 文獻標(biāo)識碼：A 文章編號：1009-3044（2016）22-0148-02

1 引言

數(shù)據(jù)挖掘總是讓人覺得就是“高大上”、“深不可測”，而該領(lǐng)域當(dāng)前主要是博士生、碩士生所研究的，另外，也只在一些研究生或重點大學(xué)的高年級的本科生中開設(shè)數(shù)據(jù)挖掘課程，在應(yīng)用型本科院校中很少開設(shè) [1]。

數(shù)據(jù)挖掘技術(shù)應(yīng)用很廣，應(yīng)用較好的領(lǐng)域、行業(yè)有：金融保險業(yè)、電信、市場營銷分析、醫(yī)學(xué)、體育、生物信息學(xué)（Bioinformatics）等方面[2]。在商業(yè)領(lǐng)域中，主要應(yīng)用如：客戶細分、客戶獲得、公司風(fēng)險管理、企業(yè)危機管理、欺詐行為檢測和異常模式的發(fā)現(xiàn)等；在計算機領(lǐng)域中，主要應(yīng)用如：信息安全（入侵檢測，垃圾郵件的過濾）、互聯(lián)網(wǎng)信息挖掘、自動問答系統(tǒng)、網(wǎng)絡(luò)游戲（網(wǎng)絡(luò)游戲外掛檢測、免費用戶到付費用戶的轉(zhuǎn)化）等[3]。這一技術(shù)的廣泛應(yīng)用，必然在相關(guān)的企業(yè)中迫切需求掌握這一技術(shù)的人才。所以，開設(shè)數(shù)據(jù)挖掘技術(shù)課程對于應(yīng)用型本科來說是很有必要的。

但對于應(yīng)用型本科來說，若是像重點本科院校或研究生課程那樣，在教學(xué)中以研究型為主，會導(dǎo)致學(xué)生的培養(yǎng)要求與教學(xué)內(nèi)容的深度和廣度不適應(yīng)，學(xué)生會感覺到學(xué)習(xí)得很吃力，而且他們今后工作中的需求與所學(xué)到的知識相差也較大。對于應(yīng)用型本科的數(shù)據(jù)挖掘技術(shù)課程的內(nèi)容的安排，不僅要反映出數(shù)據(jù)挖掘技術(shù)的特點及前沿，還應(yīng)該結(jié)合學(xué)生的學(xué)習(xí)能力及興趣，也還需要綜合考慮本校該課程的學(xué)時分配、教學(xué)條件等，要具針對性，突出應(yīng)用這一重點，目的是使學(xué)生能夠“學(xué)以致用”。

本文從應(yīng)用型本科的實際出發(fā)，討論了數(shù)據(jù)挖掘課程的理論教學(xué)內(nèi)容及方法、實驗教學(xué)內(nèi)容及方法，使學(xué)生能夠掌握和應(yīng)用所學(xué)的知識。

2 先導(dǎo)課程及課程的基本要求

先導(dǎo)課程有：程序設(shè)計語言、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫技術(shù)、Web技術(shù)、概率論等[4]。必須深入學(xué)習(xí)一門程序設(shè)計語言，從計算機發(fā)展和應(yīng)用角度，推薦學(xué)習(xí)C/C++和Java；對于“數(shù)據(jù)結(jié)構(gòu)”課程，掌握樹的知識，數(shù)據(jù)挖掘中的很多算法都涉及樹的應(yīng)用；對于“數(shù)據(jù)庫技術(shù)”課程，掌握數(shù)據(jù)庫操作和應(yīng)用，因為數(shù)據(jù)挖掘的主要對象是數(shù)據(jù)庫中的數(shù)據(jù)；對于“Web技術(shù)”，因為Web已經(jīng)存在于我們生活方方面面，對于Web挖掘相當(dāng)重要，而且還具有巨大的應(yīng)用價值；對于“概率統(tǒng)計”課程，要能夠熟練掌握其中的思維方式、條件概率以及各種分布，在數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則、分類預(yù)測等，都會涉及概率統(tǒng)計中的思維和方法。

課程的基本要求：①了解數(shù)據(jù)挖掘的重要性，了解國內(nèi)外的發(fā)展的狀況及未來發(fā)展的方向；②掌握數(shù)據(jù)挖掘中的一些基本概念、經(jīng)典算法及相關(guān)技術(shù)；③對于實際應(yīng)用問題，能熟練地運用數(shù)據(jù)挖掘技術(shù)及工具解決；④為以后進一步深造或進行高級應(yīng)用開發(fā)打下基礎(chǔ)。[5，6]

3 理論教學(xué)及方法

對于應(yīng)用型本科生數(shù)據(jù)挖掘技術(shù)課程的教學(xué)，本人認(rèn)為重要的是普及經(jīng)典算法，若有多余時間，可以補充一些較難的算法。對于經(jīng)典算法原理的講解，采取的是一步步地對小數(shù)據(jù)集案例進行算法演練，以具體化比較抽象的算法，對于算法的優(yōu)缺點，采取課堂討論的方式，可以加深學(xué)生對算法的理解和吸收。本校的數(shù)據(jù)挖掘技術(shù)課程的理論教學(xué)是32個學(xué)時，課程的理論教學(xué)內(nèi)容主要包括：

（1）緒論（4學(xué)時）：①先舉幾個數(shù)據(jù)挖掘中有意思的例子。第一個：超市貨架的組織―“啤酒與尿布”；第二個：基于拐點變化的股票趨勢預(yù)測；第三個：網(wǎng)上購物―“定向營銷”；第四個：農(nóng)夫山泉用大數(shù)據(jù)賣礦泉水；第五個：阿迪達斯的“黃金羅盤”；第六個：網(wǎng)易的“花田”―定制愛情。通過例子讓學(xué)生對數(shù)據(jù)挖掘有一個大致的認(rèn)識，可以提起學(xué)生對學(xué)習(xí)本課程的興趣，也讓學(xué)生了解到目前的數(shù)據(jù)挖掘已經(jīng)發(fā)展到何種程度。②講解KDD與數(shù)據(jù)挖掘相關(guān)概念。③數(shù)據(jù)挖掘?qū)ο螅宏P(guān)系數(shù)據(jù)庫、數(shù)據(jù)倉庫、事務(wù)數(shù)據(jù)庫、空間數(shù)據(jù)庫、時態(tài)和時間序列數(shù)據(jù)庫、文本數(shù)據(jù)、萬維網(wǎng)數(shù)據(jù)、流數(shù)據(jù)等等。④數(shù)據(jù)挖掘的方法與相關(guān)領(lǐng)域：分類預(yù)測型和描述型，通過例子簡單介紹聚類、關(guān)聯(lián)規(guī)則、分類算法的概念、應(yīng)用領(lǐng)域等，使學(xué)生對要學(xué)習(xí)的算法有大致的認(rèn)識。⑤數(shù)據(jù)挖掘軟件與應(yīng)用系統(tǒng)：介紹數(shù)據(jù)挖掘軟件：IBM Intelligent Miner、SPSS Clementine、Microsoft SQL Server 2008 Data Mining、Weka；數(shù)據(jù)挖掘應(yīng)用系統(tǒng)：介紹在商業(yè)領(lǐng)域和計算機領(lǐng)域的應(yīng)用。

（2）數(shù)據(jù)預(yù)處理（2學(xué)時）：先對數(shù)據(jù)進行概述，包括：數(shù)據(jù)集的三個特性：維度、稀疏性和分辨率，它們對數(shù)據(jù)挖掘技術(shù)具有重要影響；數(shù)據(jù)挖掘中一些很常見的數(shù)據(jù)集的類型：記錄數(shù)據(jù)、基于圖形的數(shù)據(jù)和有序的數(shù)據(jù)。然后分別詳細介紹數(shù)據(jù)預(yù)處理的主要任務(wù)：①數(shù)據(jù)清理；②數(shù)據(jù)集成；③數(shù)據(jù)變換；④數(shù)據(jù)歸約；⑤數(shù)據(jù)概念分層與離散化。每一項任務(wù)舉例講解。

（3）關(guān)聯(lián)規(guī)則（6學(xué)時）：主要介紹關(guān)聯(lián)規(guī)則的相關(guān)概念、關(guān)聯(lián)規(guī)則的經(jīng)典算法Apriori及它的改進算法FP_Tree、規(guī)則的產(chǎn)生，簡單介紹多級關(guān)聯(lián)規(guī)則和多維關(guān)聯(lián)規(guī)則、非二元屬性的關(guān)聯(lián)規(guī)則、關(guān)聯(lián)規(guī)則的評估（提升度（lift） /興趣因子的計算）等。

（4）聚類（6學(xué)時）：主要介紹聚類的概念及距離的計算（歐氏距離、曼哈頓距離、明可夫斯基距離）、基于劃分的聚類算法（基本K-means聚類算法及其拓展、PAM算法）、層次聚類算法（凝聚的層次聚類算法AGNES、分裂的層次聚類算法DIANA）、基于密度的聚類算法（DBSCAN）；簡單介紹層次聚類方法的改進―BIRCH算法、CURE算法以及聚類算法評價。

（5）分類和預(yù)測（10學(xué)時）：①決策樹（4學(xué)時）：主要講解決策樹的概念、信息論、ID3算法和C4.5算法。②貝葉斯分類（2學(xué)時）：主要講解貝葉斯定理及樸素貝葉斯分類算法。③人工神經(jīng)網(wǎng)絡(luò)（4學(xué)時）：主要介紹人工神經(jīng)網(wǎng)絡(luò)的概念及單感知器模型，簡單介紹BP神經(jīng)網(wǎng)絡(luò)。

（6）數(shù)據(jù)挖掘模型的評估（2學(xué)時）：簡單介紹模型的過擬合、沒有天生優(yōu)越的分類器、模型選擇和模型評估、評估分類器或預(yù)測器的準(zhǔn)確率――簡單劃分和交叉驗證、數(shù)據(jù)挖掘模型評估的錯誤觀念。

對于9個需主要介紹的經(jīng)典算法的講解，如Apriori算法，先介紹算法的流程，然后通過超市購物籃的一個小數(shù)據(jù)集一步步地進行算法的演練，得出頻繁項集，如下圖所示：

又如決策樹算法和樸素貝葉斯分類算法，通過如下所示的關(guān)于動物的數(shù)據(jù)集，一步步地進行相關(guān)算法的演練，通過建立決策樹或計算概率問題，判斷一個未知的動物X={1，0，0，1，？}是否會生蛋。

對于算法的優(yōu)缺點，在講解完算法的過程之后，采取課堂討論的方式，與學(xué)生共同分析總結(jié)算法好在哪里，不足又在哪里，學(xué)生通過參與，可以加深對算法的理解與掌握。

4 實驗教學(xué)及方法

對于應(yīng)用型本科的學(xué)生來說，采用Weka進行算法編寫是不切實際的，實驗教學(xué)工具建議采用目前一些主流的數(shù)據(jù)挖掘軟件，如 SPSS Clementine或 Microsoft SQL Server 2008 Data Mining等[7]。這些軟件都具有必需的數(shù)據(jù)預(yù)處理工具及預(yù)設(shè)的挖掘算法，學(xué)生可以把注意力放在要挖掘的數(shù)據(jù)及要相關(guān)需求上，設(shè)定挖掘的主題，然后采用這些軟件完成相關(guān)主題的數(shù)據(jù)挖掘過程，這樣也可以積累一定的處理實際挖掘問題的實戰(zhàn)經(jīng)驗，今后碰到項目時也可知道從何處下手。

本校的數(shù)據(jù)挖掘技術(shù)課程的實驗教學(xué)是8個學(xué)時，共兩次上機，采用Microsoft SQL Server 2008 Data Mining對Adventure Works DW 2008R2 示例數(shù)據(jù)庫進行數(shù)據(jù)挖掘。課程的實驗教學(xué)內(nèi)容主要包括：

實驗一：SQL Server 2008 數(shù)據(jù)多維分析環(huán)境的建立；

實驗二：關(guān)聯(lián)規(guī)則挖掘方法；

實驗三：決策樹挖掘方法；

實驗四：聚類挖掘方法。

為了讓學(xué)生更好地進行實踐動手，在教學(xué)中分兩步：第一步，具體的操作步驟的講解，由老師進行；第二步，學(xué)生上機并詳細的分析挖掘結(jié)果，要求學(xué)生熟悉使用Microsoft SQL Server 2008進行數(shù)據(jù)挖掘的步驟，以及幾種常用的算法的挖掘過程：包括創(chuàng)建數(shù)據(jù)源、創(chuàng)建數(shù)據(jù)源視圖、創(chuàng)建挖掘結(jié)構(gòu)（主要參數(shù)的設(shè)置）、處理和瀏覽挖掘模型。如關(guān)聯(lián)規(guī)則，要求學(xué)生分析挖掘的模型，找出有價值的規(guī)則出來。

5 結(jié)論

為迎接大數(shù)據(jù)時代帶來的互聯(lián)網(wǎng)經(jīng)濟機遇，很有必要同時也是時代迫使在應(yīng)用型本科中開設(shè)數(shù)據(jù)挖掘課程。對這一類學(xué)校的教學(xué)也是一個挑戰(zhàn)，需要老師們在教學(xué)過程中不斷摸索和改進。在教學(xué)過程中，需要針對應(yīng)用型本科生的學(xué)習(xí)能力、知識結(jié)構(gòu)，設(shè)計好教學(xué)內(nèi)容并采用適當(dāng)?shù)慕虒W(xué)方法，從而使學(xué)生對學(xué)習(xí)的內(nèi)容感興趣，改進課堂教學(xué)效果，以提高學(xué)生實際動手能力，使學(xué)生對數(shù)據(jù)挖掘課程的整體結(jié)構(gòu)、基本概念、經(jīng)典算法有較深入理解和掌握，最終達到教學(xué)目的。

參考文獻：

[1] 徐金寶.對應(yīng)用型本科生開設(shè)數(shù)據(jù)挖掘課程的嘗試[J].計算機教育，2007（14）：27-29，57.

[2] 李姍姍，李忠. 就業(yè)需求驅(qū)動下的本科院校數(shù)據(jù)挖掘課程內(nèi)容體系探討[J].計算機時代，2015（1）：60-61，64.

[3] 張艷.大數(shù)據(jù)背景下的數(shù)據(jù)挖掘課程教學(xué)新思考[J].計算機時代，2014（4）：59-61.

[4] 李忠，李姍姍. 應(yīng)用型本科院校IT專業(yè)數(shù)據(jù)挖掘課程建設(shè)[J].計算機時代，2014（11）：65-69.

[5] 張增平，喬曉華. 針對應(yīng)用型本科生數(shù)據(jù)挖掘課程的教學(xué)實踐[J].內(nèi)蒙古財經(jīng)大學(xué)學(xué)報，2015，13（4）：132-137.

第9篇

[關(guān)鍵詞] 經(jīng)濟與管理；本科生；數(shù)據(jù)挖掘；教學(xué)探索

[中圖分類號] G642.3 [文獻標(biāo)識碼] A [文章編號] 1005-4634（2013）04-0082-03

0 引言

數(shù)據(jù)挖掘技術(shù)能從大量數(shù)據(jù)中發(fā)現(xiàn)和學(xué)習(xí)有價值的和隱藏的知識，因而近年來在國內(nèi)外受到極大重視，在電信業(yè)、零售業(yè)和銀行業(yè)等生產(chǎn)大數(shù)據(jù)的行業(yè)中正獲得越來越廣泛的應(yīng)用[1]。因此，近幾年數(shù)據(jù)挖掘這門課程已越來越多的走進了高校課堂。但是，數(shù)據(jù)挖掘又是一門綜合性較強的交叉學(xué)科，它涉及到統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)、數(shù)據(jù)倉庫、人工智能、機器學(xué)習(xí)和數(shù)據(jù)可視化等學(xué)科知識，對學(xué)生的專業(yè)知識背景和前期所學(xué)課程有較高的要求，這在一定程度上限制了數(shù)據(jù)挖掘作為一門既有理論價值又有實踐價值的學(xué)科的應(yīng)用和推廣。筆者結(jié)合自己的教學(xué)實踐研究經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程的教學(xué)探索。

1 經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程的必要性和可行性分析

從經(jīng)管類各專業(yè)的培養(yǎng)目標(biāo)角度分析。以南京郵電大學(xué)經(jīng)管類專業(yè)為例，該專業(yè)包含信息管理與信息系統(tǒng)、電子商務(wù)、市場營銷、經(jīng)濟學(xué)和工商管理等專業(yè)，這些專業(yè)的培養(yǎng)計劃都把培養(yǎng)學(xué)生具備市場分析、經(jīng)營和管理決策能力作為專業(yè)的基本培養(yǎng)要求之一。數(shù)據(jù)挖掘作為商務(wù)智能的核心技術(shù)，是輔助管理者進行決策分析的有效工具，在激烈的商業(yè)競爭中發(fā)揮的作用越來越大。因此，為經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程可以更好地實現(xiàn)專業(yè)培養(yǎng)目標(biāo)。

從經(jīng)管類專業(yè)本科生的就業(yè)角度分析。經(jīng)管類專業(yè)本科生畢業(yè)后，有相當(dāng)一部分同學(xué)會從事營銷崗位或者信息管理、網(wǎng)站設(shè)計與維護等技術(shù)崗位。對于從事營銷崗位的同學(xué)來說，由于現(xiàn)在的市場營銷概念已經(jīng)發(fā)展到精細營銷理念，即企業(yè)恰當(dāng)而貼切地對自己的市場進行細分，對各種客戶群進行深入的分析和定位，并根據(jù)不同的客戶群特點，采取精耕細作式的營銷操作方式，將市場做深做透，進而獲得預(yù)期效益。數(shù)據(jù)挖掘技術(shù)是實現(xiàn)精細營銷的重要工具；對于從事技術(shù)崗位的同學(xué)來說，學(xué)習(xí)數(shù)據(jù)挖掘課程，掌握數(shù)據(jù)挖掘的思想和方法對培養(yǎng)學(xué)生的系統(tǒng)思維和解決實際問題的能力、提高學(xué)生的信息素養(yǎng)很有必要。因此，學(xué)習(xí)數(shù)據(jù)挖掘課程對學(xué)生未來的工作也是非常有幫助的。

數(shù)據(jù)挖掘是一門交叉學(xué)科，課程理論性強，且對學(xué)生的計算機基礎(chǔ)要求較高。經(jīng)管類專業(yè)只有信息管理與信息系統(tǒng)、電子商務(wù)兩個專業(yè)開設(shè)了較多的計算機課程。但是所有經(jīng)管類專業(yè)都開設(shè)了統(tǒng)計學(xué)必修課程和數(shù)據(jù)庫原理與應(yīng)用必修或選修課程，這兩門課程是數(shù)據(jù)挖掘的核心。因此，適當(dāng)?shù)卣{(diào)整教學(xué)目標(biāo)，將數(shù)據(jù)挖掘作為一門選修課程為經(jīng)管類專業(yè)本科學(xué)生開設(shè)是完全可行的。

2 教學(xué)過程中存在的問題

筆者在為經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程的過程中，往往遇到兩個問題。

1）課程較強的理論性與學(xué)生知識結(jié)構(gòu)缺陷之間的矛盾問題。數(shù)據(jù)挖掘這門課程涵蓋了統(tǒng)計學(xué)、數(shù)據(jù)庫原理、機器學(xué)習(xí)、信息論和時間序列等眾多內(nèi)容，課程教材中有較多的公式推導(dǎo)和算法分析，因此課程的理論性較強。然而，經(jīng)管類專業(yè)本科生之前只是學(xué)習(xí)了統(tǒng)計學(xué)和數(shù)據(jù)庫原理與應(yīng)用兩門課程，機器學(xué)習(xí)等其他課程知識均沒有涉及到，因此在學(xué)習(xí)數(shù)據(jù)挖掘課程時會感到內(nèi)容難度較大，障礙較多[2]。

2）理論教學(xué)與實驗教學(xué)學(xué)時合理分配的問題。由于數(shù)據(jù)挖掘課程通常是作為選修課安排在經(jīng)管類專業(yè)本科生培養(yǎng)計劃中，總學(xué)時數(shù)相比學(xué)位課程要少，只有32學(xué)時。正如前文所述，這門課程包含的內(nèi)容多、難度大，因此必須要保證足夠的理論教學(xué)學(xué)時數(shù)量。同時，數(shù)據(jù)挖掘又是一門應(yīng)用性較強的課程，特別是對于經(jīng)管類專業(yè)本科生來說，一定要安排足夠的實驗教學(xué)學(xué)時，讓學(xué)生在實踐中提高分析問題和解決問題的能力。在較少的總學(xué)時約束條件下，如何合理地分配理論教學(xué)學(xué)時和實驗教學(xué)學(xué)時是課程教學(xué)遇到的又一個問題。

針對經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程時遇到的矛盾問題，將這門課程的教學(xué)目標(biāo)確定為：掌握數(shù)據(jù)挖掘基本流程和經(jīng)典算法的基本原理，熟練運用數(shù)據(jù)挖掘軟件工具，分析和解決商業(yè)應(yīng)用問題。課程教學(xué)目標(biāo)指出，為經(jīng)管類專業(yè)本科生開設(shè)數(shù)據(jù)挖掘課程的目的是培養(yǎng)學(xué)生利用數(shù)據(jù)挖掘這種工具去分析和解決商業(yè)應(yīng)用問題的能力，而不是要求學(xué)生具備數(shù)據(jù)挖掘算法設(shè)計能力。因此，對于經(jīng)管類專業(yè)本科生來說，實驗教學(xué)和理論教學(xué)同等重要。在課程教學(xué)大綱中應(yīng)將理論教學(xué)學(xué)時和實驗教學(xué)學(xué)時設(shè)置為各16個學(xué)時。

3 教學(xué)內(nèi)容設(shè)計

用16個學(xué)時來介紹數(shù)據(jù)挖掘課程的理論知識點，這就要求教師能夠為經(jīng)管類專業(yè)本科生精心挑選知識點，“量身定做”教學(xué)內(nèi)容。

1）以應(yīng)用為目的設(shè)計教學(xué)內(nèi)容。根據(jù)經(jīng)管類專業(yè)本科生數(shù)據(jù)挖掘課程的教學(xué)目標(biāo)，本門課程在教學(xué)過程中應(yīng)注重培養(yǎng)學(xué)生應(yīng)用數(shù)據(jù)挖掘分析問題和解決問題的能力，這就要求教師能夠圍繞數(shù)據(jù)挖掘的整個應(yīng)用過程來安排教學(xué)內(nèi)容。數(shù)據(jù)挖掘的應(yīng)用過程包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、模型構(gòu)建和知識評價四個主要步驟。數(shù)據(jù)收集步驟是指準(zhǔn)備數(shù)據(jù)挖掘的對象——數(shù)據(jù)源，有的數(shù)據(jù)源是一個數(shù)據(jù)文件或者是數(shù)據(jù)庫中的一張關(guān)系表，但對于具體的商業(yè)應(yīng)用來說，數(shù)據(jù)源往往是來源于同一個或不同數(shù)據(jù)庫中的多張關(guān)系表，或者是多個數(shù)據(jù)文件，這時需要對數(shù)據(jù)源進行集成，甚至是構(gòu)建數(shù)據(jù)倉庫；數(shù)據(jù)預(yù)處理步驟是指通過數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)歸約等操作為數(shù)據(jù)挖掘任務(wù)提供干凈、準(zhǔn)確和簡潔的數(shù)據(jù)，提高數(shù)據(jù)挖掘效率和挖掘結(jié)果的質(zhì)量，它是數(shù)據(jù)挖掘中非常重要的環(huán)節(jié)；模型構(gòu)建步驟是指選用數(shù)據(jù)挖掘算法在預(yù)處理后的數(shù)據(jù)集上構(gòu)建挖掘模型的過程，關(guān)聯(lián)、分類、聚類和回歸分析是數(shù)據(jù)挖掘中四個主要的挖掘任務(wù)，每個挖掘任務(wù)又對應(yīng)了多個挖掘算法；知識評價步驟是指采用各種統(tǒng)計指標(biāo)對挖掘結(jié)果進行評價，以發(fā)現(xiàn)有價值的知識。由于不同挖掘算法得出的挖掘結(jié)果表現(xiàn)形式不同，知識評價應(yīng)針對具體挖掘算法進行，因此知識評價步驟要安排在每個挖掘算法介紹完之后。

2）重點介紹經(jīng)典算法。針對經(jīng)管類專業(yè)本科生在學(xué)習(xí)數(shù)據(jù)挖掘課程時感到內(nèi)容難度較大這一問題，且考慮到課程的理論授課學(xué)時有限，筆者對原有的數(shù)據(jù)挖掘內(nèi)容進行了適當(dāng)?shù)木啞?shù)據(jù)挖掘包含數(shù)十種挖掘算法，刪除復(fù)雜和難度大的數(shù)據(jù)挖掘算法，針對每種挖掘任務(wù)重點介紹其經(jīng)典算法。例如，關(guān)聯(lián)挖掘中的Apriori算法，實現(xiàn)分類挖掘的決策樹算法，實現(xiàn)回歸分析的最小二乘法以及聚類分析的k-means算法。對于神經(jīng)網(wǎng)絡(luò)、貝葉斯分類、時間序列挖掘和Web數(shù)據(jù)挖掘等難度較大或內(nèi)容拓展性算法，在介紹相關(guān)章節(jié)時略提一下，并鼓勵有興趣的學(xué)生在課余時間自學(xué)。

3）增加商業(yè)案例。數(shù)據(jù)挖掘是一門技術(shù)性較強的課程，一般的教材往往注重理論，相關(guān)案例較少，因而不容易激發(fā)學(xué)生的學(xué)習(xí)熱情[3]。為了幫助經(jīng)管類專業(yè)本科生增加對課程中各種挖掘任務(wù)的感性認(rèn)識，同時也是為了激發(fā)學(xué)生對本門課程的學(xué)習(xí)興趣，筆者在講授過程中增加了若干關(guān)于數(shù)據(jù)挖掘的幽默故事、經(jīng)典案例和在各行業(yè)中的應(yīng)用案例，通過分析案例加深學(xué)生對算法應(yīng)用的理解。例如，在介紹關(guān)聯(lián)挖掘任務(wù)時給學(xué)生們引入“啤酒與尿布”的故事；在介紹分類挖掘任務(wù)時講解客戶流失分析的應(yīng)用案例；在介紹聚類挖掘任務(wù)時分析客戶細分的應(yīng)用案例。

基于上述分析，筆者為經(jīng)管類專業(yè)本科生開設(shè)的數(shù)據(jù)挖掘課程教學(xué)內(nèi)容具體如下。

第一章為緒論，主要是對數(shù)據(jù)挖掘技術(shù)作概括性描述，讓學(xué)生對數(shù)據(jù)挖掘定義、與數(shù)據(jù)倉庫的關(guān)系、研究熱點以及發(fā)展趨勢形成感性認(rèn)識。本章內(nèi)容分配2個理論教學(xué)學(xué)時。

第二章為數(shù)據(jù)倉庫，主要內(nèi)容包括數(shù)據(jù)倉庫的定義與特征、數(shù)據(jù)倉庫的數(shù)據(jù)組織、數(shù)據(jù)模型、總體結(jié)構(gòu)和設(shè)計等原理性知識點，以及聯(lián)機分析處理（OLAP）的基本概念和分析操作等基本知識。本章內(nèi)容分配2個理論教學(xué)學(xué)時。

第三章為數(shù)據(jù)預(yù)處理，主要介紹數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換以及數(shù)據(jù)歸約等數(shù)據(jù)預(yù)處理的基本步驟和常見方法。本章分配3個理論教學(xué)學(xué)時。

第四章至第七章圍繞數(shù)據(jù)挖掘的4個重要任務(wù)——關(guān)聯(lián)、分類、聚類和回歸分析，在介紹每種挖掘任務(wù)基本概念的基礎(chǔ)上，重點介紹經(jīng)典算法的基本原理和挖掘結(jié)果評價方法，以及每個挖掘任務(wù)在具體行業(yè)的應(yīng)用案例。第四章至第六章每章內(nèi)容分別分配3個理論教學(xué)學(xué)時，第七章內(nèi)容分配2個學(xué)時。

4 實驗項目設(shè)計

數(shù)據(jù)挖掘是一門與實際應(yīng)用結(jié)合緊密、實踐性較強的課程。為了加深學(xué)生對數(shù)據(jù)挖掘理論知識點的理解，鍛煉和提高學(xué)生的實際動手能力，必須結(jié)合實驗進行教學(xué)。數(shù)據(jù)挖掘課程的理論教學(xué)和實驗教學(xué)構(gòu)成一個完整的整體，缺一不可[4]。實驗教學(xué)要充分調(diào)動學(xué)生的主動積極性，而不是簡單地讓學(xué)生進行驗證式的操作實驗或僅僅局限于機械地使用、熟悉某種軟件工具。

筆者針對課程知識點設(shè)計了4個實驗項目，每個實驗項目分配4個實驗學(xué)時。

第一個實驗項目為數(shù)據(jù)倉庫構(gòu)建，實驗軟件是SQL Server 2000，它提供了一套完全的數(shù)據(jù)庫和數(shù)據(jù)分析解決方案，其中的Analysis Service 組件支持?jǐn)?shù)據(jù)倉庫的創(chuàng)建和應(yīng)用，并提供OLAP聯(lián)機分析操作。構(gòu)建數(shù)據(jù)倉庫的數(shù)據(jù)源來自SQL Server 2000的樣例數(shù)據(jù)庫Northwind，Northwind是一家虛構(gòu)的公司，從事世界各地的特產(chǎn)食品進出口貿(mào)易。Northwind數(shù)據(jù)庫包含有這家公司的銷售數(shù)據(jù)，數(shù)據(jù)內(nèi)容多，數(shù)據(jù)量大，數(shù)據(jù)結(jié)構(gòu)貼近企業(yè)的真實數(shù)據(jù)，符合實驗要求[5]。實驗包含4個步驟：（1）理解業(yè)務(wù)數(shù)據(jù)，確定分析主題。Northwind數(shù)據(jù)庫中的表非常多，需要理清各關(guān)系表的內(nèi)容及其相互間的關(guān)聯(lián)，在此基礎(chǔ)上確定感興趣的主題；（2）圍繞分析主題，將主題相關(guān)的關(guān)系表通過企業(yè)管理器中的DTS進行清洗和轉(zhuǎn)換，為數(shù)據(jù)倉庫提供合適的數(shù)據(jù)；（3）使用Analysis Server向?qū)В⒍嗑S數(shù)據(jù)集；（4）基于構(gòu)建好的多維數(shù)據(jù)集，對數(shù)據(jù)進行切片、切塊、鉆取、聚合和旋轉(zhuǎn)等各種OLAP分析操作。

第二至第四個實驗項目均是基于Clementine12.0等數(shù)據(jù)挖掘工具，通過構(gòu)建數(shù)據(jù)挖掘模型分析具體商業(yè)問題。其中，第二個實驗項目為關(guān)聯(lián)挖掘的綜合實踐，要求學(xué)生運用關(guān)聯(lián)挖掘經(jīng)典算法Apriori分析移動產(chǎn)品交叉銷售；第三個實驗項目為分類挖掘的綜合實踐，要求運用決策樹算法進行電信客戶流失分析；第四個實驗項目為聚類挖掘的綜合實踐，要求運用聚類經(jīng)典算法K-means進行電信客戶細分分析。上述三個綜合實驗項目都要求學(xué)生首先能夠分析具體應(yīng)用問題，然后進行數(shù)據(jù)預(yù)處理、構(gòu)建數(shù)據(jù)挖掘模型，并對挖掘結(jié)果進行分析和討論，以鍛煉學(xué)生數(shù)據(jù)挖掘的思維體系和數(shù)據(jù)分析能力。

5 教學(xué)方案實施

在教學(xué)方案實施過程中，著重營造活躍的課堂教學(xué)氛圍，重視對課后作業(yè)的指導(dǎo)，以期提高課堂教學(xué)效果。考慮到經(jīng)管類專業(yè)本科生的知識背景和本門課程的特點，在每次課堂上都會拋出一個思考題，要求學(xué)生們運用所學(xué)理論聯(lián)系身邊實際展開討論。例如，在介紹完第一章后設(shè)計了一個討論題：如何運用數(shù)據(jù)挖掘幫助電信企業(yè)提高競爭優(yōu)勢？學(xué)生討論得很熱烈，也得出了多個答案。由于本門課程課堂講授學(xué)時較少，為了幫助學(xué)生復(fù)習(xí)、鞏固及應(yīng)用所學(xué)內(nèi)容，課程每章節(jié)后都安排了課外作業(yè)，并就其中的難點進行指導(dǎo)和講解。實驗過程中，著重培養(yǎng)學(xué)生的獨立性和數(shù)據(jù)分析能力。首先向?qū)W生講授清楚實驗具體要求和注意事項，然后放手讓學(xué)生自己去做，遇到問題先鼓勵學(xué)生自己思考解決，實在有困難再稍加指點。實驗結(jié)束后，要認(rèn)真分析實驗結(jié)果，完成實驗報告。選擇實驗數(shù)據(jù)時要考慮到數(shù)據(jù)是否符合現(xiàn)實情況且能夠突出所分析的問題。除實驗以外，其它實驗項目均采用SPSS產(chǎn)品培訓(xùn)過程中所用的相關(guān)數(shù)據(jù)，數(shù)據(jù)量大小適中，適合在實驗課上使用，而且這些數(shù)據(jù)與真實數(shù)據(jù)的差異小，有助于提高學(xué)生解決現(xiàn)實問題的能力。數(shù)據(jù)挖掘課程的教學(xué)方案已實踐了5年，其間不斷進行經(jīng)驗總結(jié)和探索，無論從近幾年選修本門課程的學(xué)生人數(shù)還是從課堂上學(xué)生的反映和學(xué)習(xí)氣氛看，本門課程都取得了很好的課堂教學(xué)效果。

6 結(jié)束語

數(shù)據(jù)挖掘作為一門技術(shù)性和應(yīng)用性較強的課程，對優(yōu)化經(jīng)管類專業(yè)本科學(xué)生的知識結(jié)構(gòu)、擴展學(xué)生的專業(yè)應(yīng)用領(lǐng)域有著重要的作用。筆者結(jié)合自己的教學(xué)經(jīng)驗，對經(jīng)管類專業(yè)本科生數(shù)據(jù)挖掘課程的教學(xué)內(nèi)容和實驗環(huán)節(jié)等方面進行了積極的教學(xué)探討和實踐，學(xué)生反映非常好。在今后的教學(xué)工作中，要不斷實踐，不斷總結(jié)，進而不斷改進和提高數(shù)據(jù)挖掘課程的教學(xué)質(zhì)量。

參考文獻

[1]劉云霞.統(tǒng)計學(xué)專業(yè)本科生開設(shè)“數(shù)據(jù)挖掘”課程的探討[J].吉林工程技術(shù)師范學(xué)院學(xué)報，2010，26（6）：20-22.

[2]李志勇，王翔，喻軍.信息管理專業(yè)數(shù)據(jù)挖掘課程教學(xué)探討[J].管理工程師，2012，（4）：66-68.

[3]劉昆宏.淺談本科階段數(shù)據(jù)挖掘課程設(shè)置[C]//In Proceedings of 2010 Third International Conference on Education Technology and Trainning，Wuhan，2010：4-5.