教學(xué)大綱_數(shù)據(jù)挖掘(高妮20160722)教材

1、數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編課程代碼： 0500301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：信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編數(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

2、 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 ）.北京:清華大學(xué)出版社 , 2016.3 （美）陳封能，斯坦巴赫，庫瑪爾，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 :中國統(tǒng)計(jì)出版社 , 2011.其它可利用的 網(wǎng)絡(luò)資源無課程概述（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

3、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、 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)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

4、理、數(shù)據(jù)規(guī)約和數(shù)據(jù)變化等，數(shù)據(jù)倉庫的概念和構(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、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)倉庫設(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)倉庫設(shè)計(jì)方法，多維數(shù)據(jù)模型表示方法，關(guān)聯(lián)規(guī)

5、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)倉庫的概念和構(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)據(jù)挖掘的基本概念和基本理論， 挖掘大型 數(shù)據(jù)庫的關(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。信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編學(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)倉庫3（教學(xué)）第四章相關(guān)性與關(guān)聯(lián)規(guī)

6、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)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

7、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1 數(shù)據(jù)倉庫與數(shù)據(jù)庫有何不同？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。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

8、1 節(jié) 前言信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編第 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、完整性和一致性問題。對(duì)于以上每個(gè)問題，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)集成需要考慮的問題。

9、第三章 數(shù)據(jù)倉庫教學(xué)目的 使學(xué)生掌握數(shù)據(jù)倉庫的定義、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)倉庫的定義，難點(diǎn)是數(shù)據(jù)倉庫的存儲(chǔ)結(jié)構(gòu)模式，概念 分層的理解， 以及數(shù)據(jù)倉庫的設(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)庫基本概念、數(shù)據(jù)倉庫的定義、多維數(shù)據(jù)模型、數(shù)據(jù)倉庫結(jié)構(gòu)和功能、 OLAP 技術(shù)、數(shù)據(jù)倉庫應(yīng)用等。第 1 節(jié) 前言第 2 節(jié) 數(shù)據(jù)庫基本概念回顧1 數(shù)據(jù)庫簡(jiǎn)介2 表、記錄和域3 數(shù)據(jù)庫管理系統(tǒng)第 3 節(jié) 數(shù)據(jù)倉庫簡(jiǎn)介1 數(shù)據(jù)倉庫特點(diǎn)2 數(shù)據(jù)倉庫概念3 數(shù)據(jù)倉庫作用4 數(shù)據(jù)倉庫與 DBMS 對(duì)比5 分離數(shù)據(jù)倉庫的原

10、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 操作信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編第 5 節(jié) 數(shù)據(jù)倉庫結(jié)構(gòu)1 數(shù)據(jù)倉庫設(shè)計(jì)2 多層體系結(jié)構(gòu)第 6 節(jié) 數(shù)據(jù)倉庫的功能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)倉庫到數(shù)據(jù)挖掘1 數(shù)據(jù)倉庫應(yīng)用2 從 OLAP 到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)倉庫建模模式。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

11、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 購物籃問題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)則不一定是有價(jià)值的

12、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)信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編教學(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。

13、第 1 節(jié) 前言第 2 節(jié) 基本概念1 什么是分類2 什么是預(yù)測(cè)第 3 節(jié) 關(guān)于分類和預(yù)測(cè)的問題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 常見關(guān)聯(lián)分類算法

14、第 9 節(jié) 分類準(zhǔn)確率1 估計(jì)錯(cuò)誤率2 裝袋和提升1簡(jiǎn)述決策樹分類的主要步驟。2為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)用和信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編實(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

15、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)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)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 過對(duì)基本數(shù)學(xué)函數(shù)的操作了解 R 語言的基本操作過程，從而對(duì)

16、 R 語言形成初步的認(rèn)識(shí)。實(shí)驗(yàn)要求 掌握利用 R 語言實(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

17、）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。信息學(xué)院數(shù)據(jù)挖掘西安財(cái)經(jīng)學(xué)院本科專業(yè)課程教學(xué)大綱匯編實(shí)驗(yàn)時(shí)數(shù) 2 實(shí)驗(yàn)內(nèi)容 使用 R語言程序?qū)崿F(xiàn) C4.5或ID3 算法。實(shí)驗(yàn)四：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

18、、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