教學(xué)大綱_數(shù)據(jù)挖掘(高妮20160722)

1、課程代碼：數(shù)據(jù)挖掘教學(xué)大綱Data Mining執(zhí) 筆 人： 高 妮 審 核 人： 批 準(zhǔn) 人： 數(shù)據(jù)挖掘教學(xué)大綱基本概況課程中文名稱數(shù)據(jù)挖掘課程英文名稱Data Mining課程類別專業(yè)選修課適用專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)、網(wǎng)絡(luò)工程、軟件工程專業(yè)先修課程離散數(shù)學(xué)、數(shù)據(jù)結(jié)構(gòu)、概率論和數(shù)據(jù)庫(kù)系統(tǒng)等并修課程計(jì)算機(jī)專業(yè)課程總學(xué)時(shí)36總學(xué)分2使用教材徐華.數(shù)據(jù)挖掘:方法與應(yīng)用. 北京:清華大學(xué)出版社, 2015.參考書目25部1 (美)Jiawei Han、Micheline Kamber 著，范明等譯. 數(shù)據(jù)挖掘：概念與技術(shù)(第三版). 北京:機(jī)械工業(yè)出版社, 2012.2 趙衛(wèi)東.商務(wù)智能(第二版).北

2、京:清華大學(xué)出版社, 2016.3 (美)陳封能，斯坦巴赫，庫(kù)瑪爾，范明譯. 數(shù)據(jù)挖掘?qū)д摚ㄍ暾妫? 北京:人民郵電出版社, 2011.4 (美) Robert I. Kabacoff著，高濤等譯. R語(yǔ)言實(shí)戰(zhàn). 北京:人民郵電出版社, 2013.5 孔志周、肖百龍. 數(shù)據(jù)挖掘?qū)嶒?yàn). 北京:中國(guó)統(tǒng)計(jì)出版社, 2011.其它可利用的網(wǎng)絡(luò)資源無(wú)課程概述（課程的意義，教學(xué)目標(biāo)，內(nèi)容簡(jiǎn)介等）1. 課程意義：數(shù)據(jù)挖掘：方法與應(yīng)用是軟件工程專業(yè)教學(xué)計(jì)劃中一門專業(yè)選修課，是一門匯集統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、人工智能等學(xué)科內(nèi)容的新興的交叉性學(xué)科，是在信息技術(shù)領(lǐng)域迅速興起的計(jì)算機(jī)技術(shù)。在很多重要的應(yīng)用領(lǐng)域，數(shù)

3、據(jù)挖掘都發(fā)揮著積極的作用。因此這門課程是軟件工程相關(guān)專業(yè)的重要課程之一。本課程深入探討數(shù)據(jù)挖掘原理，把信息科學(xué)、計(jì)算科學(xué)和統(tǒng)計(jì)學(xué)對(duì)數(shù)據(jù)挖掘的貢獻(xiàn)融合在一起，培養(yǎng)軟件工程專業(yè)高年級(jí)本科學(xué)生具備初步的科研能力和創(chuàng)造能力。2. 教學(xué)目標(biāo): 了解：數(shù)據(jù)挖掘領(lǐng)域發(fā)展趨勢(shì)和主要應(yīng)用，數(shù)據(jù)挖掘技術(shù)最新進(jìn)展和前沿成果，數(shù)據(jù)挖掘的OLAP技術(shù)，復(fù)雜數(shù)據(jù)類型的數(shù)據(jù)挖掘技術(shù)等。掌握：數(shù)據(jù)預(yù)處理方法，包括數(shù)據(jù)清理、數(shù)據(jù)規(guī)約和數(shù)據(jù)變化等，數(shù)據(jù)倉(cāng)庫(kù)的概念和構(gòu)建方法，多維數(shù)據(jù)模型，數(shù)據(jù)立方體技術(shù)等。重點(diǎn)掌握：知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘的基本概念和基本理論，挖掘大型數(shù)據(jù)庫(kù)的關(guān)聯(lián)規(guī)則方法，貝葉斯分類技術(shù)，神經(jīng)網(wǎng)絡(luò)分類技術(shù)、K均值聚類方

4、法、層次聚類方法等。3. 課程內(nèi)容：教學(xué)時(shí)數(shù)及分配：本課程在第七學(xué)期開設(shè)，教學(xué)周為十八周，總學(xué)時(shí)為36學(xué)時(shí)。其中理論教學(xué)18學(xué)時(shí)，實(shí)踐操作18學(xué)時(shí)。數(shù)據(jù)挖掘：方法與應(yīng)用的課堂講授主要本課程以數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)、數(shù)據(jù)挖掘?yàn)橹骶€，主要介紹數(shù)據(jù)挖掘的基本概念、原理、方法和技術(shù)，具體包括：數(shù)據(jù)預(yù)處理基本方法，數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)方法，多維數(shù)據(jù)模型表示方法，關(guān)聯(lián)規(guī)則挖掘方法，數(shù)據(jù)分類方法，數(shù)據(jù)聚類方法等內(nèi)容。通過(guò)課程的學(xué)習(xí)，使學(xué)生了解數(shù)據(jù)挖掘技術(shù)最新進(jìn)展和前沿成果，激發(fā)學(xué)生興趣；掌握數(shù)據(jù)預(yù)處理方法，包括數(shù)據(jù)清理、數(shù)據(jù)規(guī)約和數(shù)據(jù)變化等，數(shù)據(jù)倉(cāng)庫(kù)的概念和構(gòu)建方法，多維數(shù)據(jù)模型，數(shù)據(jù)立方體技術(shù)等知識(shí)；熟練掌握數(shù)

5、據(jù)挖掘的基本概念和基本理論，挖掘大型數(shù)據(jù)庫(kù)的關(guān)聯(lián)規(guī)則方法，貝葉斯分類技術(shù)，神經(jīng)網(wǎng)絡(luò)分類技術(shù)、K均值聚類方法等內(nèi)容，并基于數(shù)據(jù)挖掘軟件介紹一定的實(shí)際操作。學(xué)時(shí)分配學(xué) 時(shí) 分 配 表章次章 名學(xué)時(shí)備注第一章緒論2(教學(xué))第二章數(shù)據(jù)預(yù)處理3(教學(xué))第三章數(shù)據(jù)倉(cāng)庫(kù)3(教學(xué))第四章相關(guān)性與關(guān)聯(lián)規(guī)則3(教學(xué))+4(實(shí)驗(yàn)一、二)第五章分類和預(yù)測(cè)4(教學(xué))+8(實(shí)驗(yàn)三、四、五、六)第六章聚類分析3(教學(xué))+ 6(實(shí)驗(yàn)七、八、九)總學(xué)時(shí)合計(jì)36理論教學(xué)內(nèi)容與要求第一章 緒論教學(xué)目的 使學(xué)生對(duì)數(shù)據(jù)挖掘有一個(gè)初步、總體的認(rèn)識(shí)。重點(diǎn)難點(diǎn) 本章節(jié)的重點(diǎn)是數(shù)據(jù)挖掘的定義，難點(diǎn)是它的基本步驟、主要技術(shù)和應(yīng)用價(jià)值，如何激發(fā)學(xué)

6、生對(duì)數(shù)據(jù)挖掘應(yīng)用的領(lǐng)域及成功案例的興趣。教學(xué)時(shí)數(shù) 2(教學(xué))教學(xué)內(nèi)容 應(yīng)用背景、數(shù)據(jù)挖掘定義、主要技術(shù)、主要研究?jī)?nèi)容、面臨的主要問(wèn)題等。第1節(jié) 應(yīng)用背景1 商業(yè)上的驅(qū)動(dòng)2 科學(xué)研究上的驅(qū)動(dòng)3 數(shù)據(jù)挖掘伴隨著數(shù)據(jù)庫(kù)技術(shù)而出現(xiàn)第2節(jié) 什么是數(shù)據(jù)挖掘1 基本描述2 關(guān)于知識(shí)發(fā)現(xiàn)第3節(jié) 數(shù)據(jù)挖掘的主要技術(shù)第4節(jié) 數(shù)據(jù)挖掘的主要研究?jī)?nèi)容第5節(jié) 數(shù)據(jù)挖掘面臨的主要問(wèn)題第6節(jié) 數(shù)據(jù)挖掘相關(guān)的資料第7節(jié) 本書的總體章節(jié)安排練習(xí)題1 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)有何不同？它們有哪些相似之處？2 與挖掘少量數(shù)據(jù)相比，挖掘海量數(shù)據(jù)的主要挑戰(zhàn)是什么？第二章 數(shù)據(jù)預(yù)處理教學(xué)目的 使學(xué)生掌握數(shù)據(jù)的清理、集成和變換等預(yù)處理的基本方法。

7、重點(diǎn)難點(diǎn) 本章節(jié)重點(diǎn)是數(shù)據(jù)的基本處理方法，難點(diǎn)是處理方法的應(yīng)用。確保學(xué)生對(duì)處理方法的理論尚能掌握，進(jìn)一步增加實(shí)際應(yīng)用方面的操作。教學(xué)時(shí)數(shù) 3(教學(xué))教學(xué)內(nèi)容 數(shù)據(jù)預(yù)處理的基本概念、數(shù)據(jù)的描述、數(shù)據(jù)清洗、數(shù)據(jù)集成和轉(zhuǎn)換和數(shù)據(jù)歸約和變換等。第1節(jié) 前言第2節(jié) 數(shù)據(jù)預(yù)處理的基本概念1 數(shù)據(jù)的基本概念2 為什么要進(jìn)行數(shù)據(jù)預(yù)處理3 數(shù)據(jù)預(yù)處理的任務(wù)第3節(jié) 數(shù)據(jù)的描述1 描述數(shù)據(jù)的中心趨勢(shì)2 描述數(shù)據(jù)的分散程度3 描述數(shù)據(jù)的其他方式第4節(jié) 數(shù)據(jù)清洗1 數(shù)據(jù)缺失的處理2 數(shù)據(jù)清洗第5節(jié) 數(shù)據(jù)集成和轉(zhuǎn)換1 數(shù)據(jù)集成2 數(shù)據(jù)冗余性3 數(shù)據(jù)轉(zhuǎn)換第6節(jié) 數(shù)據(jù)歸約和變換1 數(shù)據(jù)歸約2 數(shù)據(jù)離散化3 概念層次生成練習(xí)題

8、1 數(shù)據(jù)質(zhì)量可以從多方面評(píng)估，包括準(zhǔn)確性、完整性和一致性問(wèn)題。對(duì)于以上每個(gè)問(wèn)題，討論數(shù)據(jù)質(zhì)量的評(píng)估如何依賴于數(shù)據(jù)的應(yīng)用目的，給出例子。2討論數(shù)據(jù)集成需要考慮的問(wèn)題。第三章 數(shù)據(jù)倉(cāng)庫(kù)教學(xué)目的 使學(xué)生掌握數(shù)據(jù)倉(cāng)庫(kù)的定義、多維數(shù)據(jù)模型和OLAP技術(shù)。重點(diǎn)難點(diǎn) 本章節(jié)的重點(diǎn)是數(shù)據(jù)倉(cāng)庫(kù)的定義，難點(diǎn)是數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)結(jié)構(gòu)模式，概念分層的理解，以及數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)，要確保學(xué)生能較好地掌握，還需課后多查看一些相關(guān)的資料。教學(xué)時(shí)數(shù) 3(教學(xué))教學(xué)內(nèi)容 數(shù)據(jù)庫(kù)基本概念、數(shù)據(jù)倉(cāng)庫(kù)的定義、多維數(shù)據(jù)模型、數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)和功能、OLAP技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用等。第1節(jié) 前言第2節(jié) 數(shù)據(jù)庫(kù)基本概念回顧1 數(shù)據(jù)庫(kù)簡(jiǎn)介2 表、記錄和域3

9、 數(shù)據(jù)庫(kù)管理系統(tǒng)第3節(jié) 數(shù)據(jù)倉(cāng)庫(kù)簡(jiǎn)介1 數(shù)據(jù)倉(cāng)庫(kù)特點(diǎn)2 數(shù)據(jù)倉(cāng)庫(kù)概念3 數(shù)據(jù)倉(cāng)庫(kù)作用4 數(shù)據(jù)倉(cāng)庫(kù)與DBMS對(duì)比5 分離數(shù)據(jù)倉(cāng)庫(kù)的原因第4節(jié) 多維數(shù)據(jù)模型1 數(shù)據(jù)立方體2 概念模型3 概念分層4 典型OLAP操作第5節(jié) 數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)1 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)2 多層體系結(jié)構(gòu)第6節(jié) 數(shù)據(jù)倉(cāng)庫(kù)的功能1 數(shù)據(jù)立方體的有效計(jì)算2 索引OLAP數(shù)據(jù)3 OLAP查詢的有效處理第7節(jié)從 數(shù)據(jù)倉(cāng)庫(kù)到數(shù)據(jù)挖掘1 數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用2 從OLAP到練習(xí)題1 簡(jiǎn)略比較一下概念：（1）數(shù)據(jù)清理、數(shù)據(jù)變換、刷新。（2）發(fā)現(xiàn)驅(qū)動(dòng)的立方體、多特征立方體、虛擬立方體。2 列舉三種流程的數(shù)據(jù)倉(cāng)庫(kù)建模模式。第四章 相關(guān)性與關(guān)聯(lián)規(guī)則教學(xué)目的 了解需

10、求管理的模型和流程；掌握需求獲取、確認(rèn)和控制的基本方法，理解變更控制的重要性。重點(diǎn)難點(diǎn) 本章節(jié)重點(diǎn)是關(guān)聯(lián)規(guī)則的挖掘，難點(diǎn)是Apriori算法的應(yīng)用。教學(xué)時(shí)數(shù) 3(教學(xué))+4(實(shí)驗(yàn)一、二)教學(xué)內(nèi)容 基本概念、頻繁項(xiàng)集挖掘方法、多種關(guān)聯(lián)規(guī)則挖掘、從關(guān)聯(lián)分析到相關(guān)分析、基于約束的頻繁模式挖掘等。第1節(jié) 基本概念1 潛在的應(yīng)用2 購(gòu)物籃問(wèn)題3 頻繁模式分析、閉項(xiàng)集和關(guān)聯(lián)規(guī)則第2節(jié) 頻繁項(xiàng)集挖掘方法1 Apriori算法2 由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則3 提高Apriori的效率第3節(jié) 多種關(guān)聯(lián)規(guī)則挖掘1 挖掘多層關(guān)聯(lián)規(guī)則2 挖掘多維關(guān)聯(lián)規(guī)則3 挖掘量化關(guān)聯(lián)規(guī)則第4節(jié) 從關(guān)聯(lián)分析到相關(guān)分析1 相關(guān)分析2 強(qiáng)規(guī)

11、則不一定是有價(jià)值的3 挖掘高度關(guān)聯(lián)的模式第5節(jié) 基于約束的頻繁模式挖掘1 關(guān)聯(lián)規(guī)則的元規(guī)則制導(dǎo)挖掘2 基于約束的模式生成: 模式空間剪枝和數(shù)據(jù)空間剪枝練習(xí)題1簡(jiǎn)述關(guān)聯(lián)規(guī)則挖掘步驟。2簡(jiǎn)述Apriori算法基本思想。 第五章 分類和預(yù)測(cè)教學(xué)目的 使學(xué)生了解并掌握決策樹、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等分類和預(yù)測(cè)算法。重點(diǎn)難點(diǎn) 本章節(jié)重點(diǎn)是分類和預(yù)測(cè)方法的概念，難點(diǎn)是幾種主要的分類算法的應(yīng)用和實(shí)現(xiàn)。教學(xué)時(shí)數(shù) 4(教學(xué))+8(實(shí)驗(yàn)三、四、五、六)教學(xué)內(nèi)容 分類和預(yù)測(cè)的基本概念、評(píng)價(jià)，決策樹分類、樸素貝葉斯分類、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、分類準(zhǔn)確率等。第1節(jié) 前言第2節(jié) 基本概念1 什么是分類2 什么是

12、預(yù)測(cè)第3節(jié) 關(guān)于分類和預(yù)測(cè)的問(wèn)題1 準(zhǔn)備分類和預(yù)測(cè)的數(shù)據(jù)2 評(píng)價(jià)分類和預(yù)測(cè)方法第4節(jié) 決策樹分類1 決策樹歸納2 屬性選擇度量3 提取分類規(guī)則4 基本決策樹歸納的增強(qiáng)5 在大數(shù)據(jù)集中的分類第5節(jié) 貝葉斯分類1 貝葉斯定理2 樸素貝葉斯分類3 貝葉斯信念網(wǎng)絡(luò)4 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)第6節(jié) 神經(jīng)網(wǎng)絡(luò)1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介2 多層神經(jīng)網(wǎng)絡(luò)3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練4 后向傳播5 網(wǎng)絡(luò)剪枝和規(guī)則抽取第7節(jié) 支持向量機(jī)1 數(shù)據(jù)線性可分的情況2 數(shù)據(jù)線性不可分的情況3 支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的對(duì)比第8節(jié) 關(guān)聯(lián)分類1 為什么有效2 常見(jiàn)關(guān)聯(lián)分類算法第9節(jié) 分類準(zhǔn)確率1 估計(jì)錯(cuò)誤率2 裝袋和提升練習(xí)題1簡(jiǎn)述決策樹分類的主要步驟。2為

13、什么樸素貝葉斯分類稱為“樸素”的？簡(jiǎn)述樸素貝葉斯分類的主要思想。第六章 聚類分析教學(xué)目的 使學(xué)生了解并掌握聚類分析的主要算法。重點(diǎn)難點(diǎn) 本章節(jié)重點(diǎn)是聚類分析的概念，難點(diǎn)是幾種主要的聚類分析算法的應(yīng)用和實(shí)現(xiàn)。教學(xué)時(shí)數(shù) 3(教學(xué))+6(實(shí)驗(yàn)七、八、九)教學(xué)內(nèi)容 聚類分析的定義和數(shù)據(jù)類型，流聚類方法分類與相似性質(zhì)量，基于分割、層次、密度、網(wǎng)絡(luò)和模型的聚類等。第1節(jié) 聚類分析的定義和數(shù)據(jù)類型1 聚類的定義2 聚類分析和主要應(yīng)用3 聚類分析方法的性能指標(biāo)4 聚類分析使用的數(shù)據(jù)類型第2節(jié) 流聚類方法分類與相似性質(zhì)量1 聚類分析方法分類2 連續(xù)變量的距離與相似性度量3 二元變量與標(biāo)稱變量的相似性度量4 序數(shù)

14、和比例標(biāo)度變量的相似性度量5 混合類型變量的相似性度量第3節(jié)基于分割的聚類第4節(jié)基于層次的聚類第5節(jié)基于密度的聚類第6節(jié)基于網(wǎng)格的聚類第7節(jié)基于模型的聚類第8節(jié)離群點(diǎn)檢測(cè) 練習(xí)題1簡(jiǎn)略介紹如下聚類方法：基于分割的方法、層基于次的方法、基于密度的方法。 實(shí)驗(yàn)教學(xué)內(nèi)容與要求實(shí)驗(yàn)一：安裝R和操作實(shí)驗(yàn)?zāi)康?了解R軟件的安裝流程，利用R中的基本數(shù)學(xué)函數(shù)處理一些簡(jiǎn)單數(shù)據(jù)，通過(guò)對(duì)基本數(shù)學(xué)函數(shù)的操作了解R語(yǔ)言的基本操作過(guò)程，從而對(duì)R語(yǔ)言形成初步的認(rèn)識(shí)。實(shí)驗(yàn)要求 掌握利用R語(yǔ)言實(shí)現(xiàn)數(shù)據(jù)讀取功能的程序編寫；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 安裝R軟件、熟悉菜單，并安裝程序包、調(diào)用程序包、查看程序包的

15、幫助。實(shí)現(xiàn)讀取Excel數(shù)據(jù)并另存為.txt文件的功能。實(shí)驗(yàn)二：關(guān)聯(lián)規(guī)則挖掘(Apriori算法)實(shí)驗(yàn)?zāi)康?了解關(guān)聯(lián)規(guī)則、頻繁項(xiàng)集、閉項(xiàng)集和關(guān)聯(lián)規(guī)則等概念。實(shí)驗(yàn)要求 掌握關(guān)聯(lián)規(guī)則算法的基本思想，熟悉Apriori算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)Apriori算法，挖掘關(guān)聯(lián)知識(shí)。實(shí)驗(yàn)三：決策樹分類(C4.5算法或ID3算法)實(shí)驗(yàn)?zāi)康?了解決策樹歸納、屬性選擇度量、提取分類規(guī)則等概念。實(shí)驗(yàn)要求 掌握決策樹分類算法的基本思想，熟悉C4.5算法或ID3算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)C4.5或ID3算法。實(shí)驗(yàn)四

16、：貝葉斯分類 （NB算法）實(shí)驗(yàn)?zāi)康?了解貝葉斯定理、樸素貝葉斯分類、貝葉斯信念網(wǎng)絡(luò)等概念。實(shí)驗(yàn)要求 掌握樸素貝葉斯分類算法的基本思想，熟悉NB算法的應(yīng)用。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)NB算法。實(shí)驗(yàn)五：神經(jīng)網(wǎng)絡(luò)分類（BP算法）實(shí)驗(yàn)?zāi)康?了解神經(jīng)網(wǎng)絡(luò)、多層神經(jīng)網(wǎng)絡(luò)、后向傳播、網(wǎng)絡(luò)剪枝等概念。實(shí)驗(yàn)要求 掌握神經(jīng)網(wǎng)絡(luò)分類算法的基本原理，熟悉BP算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)BP算法。實(shí)驗(yàn)六：支持向量機(jī)分類（SVM算法）實(shí)驗(yàn)?zāi)康?了解數(shù)據(jù)線性可分、數(shù)據(jù)線性不可分的概念，能區(qū)別支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)分類的差異性。實(shí)驗(yàn)要求 掌握支持向量機(jī)分類算法的基

17、本原理，熟悉SVM算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)SVM算法。實(shí)驗(yàn)七：基于分割的聚類（K-means算法）實(shí)驗(yàn)?zāi)康?了解距離、相似度等概念。實(shí)驗(yàn)要求 掌握基于分割的聚類算法的基本原理，熟悉K-means算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)K-means算法。實(shí)驗(yàn)八：基于層次的聚類（AGNES算法）實(shí)驗(yàn)?zāi)康?了解凝聚的層次聚類方法、分裂的層次聚類方法、樹狀圖、連接度量等概念。實(shí)驗(yàn)要求 掌握基于層次的聚類算法的基本原理，熟悉AGNES算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)數(shù) 2實(shí)驗(yàn)內(nèi)容 使用R語(yǔ)言程序?qū)崿F(xiàn)AGNES算法。實(shí)驗(yàn)九：基于密度的聚類（DBSCAN算法）實(shí)驗(yàn)?zāi)康?了解鄰域密度、核心對(duì)象、離群點(diǎn)、密度可達(dá)和密度相連等概念。實(shí)驗(yàn)要求 掌握基于密度的聚類算法的基本原理，熟悉DBSCAN算法的應(yīng)用；按照既定格式書寫實(shí)驗(yàn)報(bào)