《新媒體數(shù)據(jù)分析與應(yīng)用》教學(xué)大綱

一、說明 （一）課程定義新媒體數(shù)據(jù)分析與應(yīng)用是XXXXXXX專業(yè)開設(shè)的一門重要的專業(yè)核心課程。本課程主要講授新媒體數(shù)據(jù)分析的基本概念，原理、方法和技術(shù)，具體包括：數(shù)據(jù)的預(yù)處理、分類預(yù)測、關(guān)聯(lián)挖掘、聚類分析等內(nèi)容。通過學(xué)習(xí)，使學(xué)生理解新媒體數(shù)據(jù)分析的基本流程，掌握新媒體數(shù)據(jù)分析的基本理論和技術(shù)，熟悉新媒體數(shù)據(jù)分析成果的表達；掌握新媒體數(shù)據(jù)分析的基本方法，能熟練地應(yīng)用數(shù)據(jù)挖掘技術(shù)對現(xiàn)實數(shù)據(jù)進行有效的分析，能夠結(jié)合SPSSModeler軟件從大量統(tǒng)計數(shù)據(jù)中獲取有價值的信息。 （二）編寫依據(jù)根據(jù)《XXXXX學(xué)院XXXXX專業(yè)本科人才培養(yǎng)方案》（XXXX版）編寫。 （三）目的任務(wù)通過本課程學(xué)習(xí)，使學(xué)生了解現(xiàn)代數(shù)據(jù)分析和知識挖掘方法的思想與技術(shù)，了解數(shù)據(jù)分析的基本理論，掌握重要的數(shù)據(jù)分析方法，掌握如何利用SPSSModeler實現(xiàn)數(shù)據(jù)分析和挖掘，并使學(xué)生具有進一步學(xué)習(xí)的基礎(chǔ)與能力。（四）學(xué)時數(shù)與學(xué)分數(shù)：本課程理論36學(xué)時，實踐/實驗36學(xué)時，共72學(xué)時，4學(xué)分。（五）適用對象：XXXX專業(yè)，二年級學(xué)生。（六）課程編碼：KY1810C07二、教學(xué)內(nèi)容與學(xué)時分配教學(xué)基本內(nèi)容教學(xué)安排小計講授討論實驗實踐第一章數(shù)據(jù)分析和Modeler使用概述224第二章數(shù)據(jù)讀入和數(shù)據(jù)集成448第三章數(shù)據(jù)理解和數(shù)據(jù)準備448第四章基本分析和數(shù)據(jù)精簡448第五章決策樹和人工神經(jīng)網(wǎng)絡(luò)6612第六章支持向量機和貝葉斯網(wǎng)絡(luò)448第七章聚類分析6612第八章關(guān)聯(lián)分析448機動224合計=SUM(ABOVE)3636=SUM(ABOVE)72三、教學(xué)內(nèi)容與知識點第一章數(shù)據(jù)分析和Modeler使用概述第一節(jié)數(shù)據(jù)分析的產(chǎn)生背景知識點：數(shù)據(jù)庫與數(shù)據(jù)倉庫的定義、人工智能與機器學(xué)習(xí)的定義、統(tǒng)計學(xué)的定義第二節(jié)什么是數(shù)據(jù)分析知識點：數(shù)據(jù)分析的定義、數(shù)據(jù)挖掘的定義、知識發(fā)現(xiàn)的定義第三節(jié)Modeler軟件概述知識點：Modeler的數(shù)據(jù)流、窗口、數(shù)據(jù)流的基本管理第二章數(shù)據(jù)讀入和數(shù)據(jù)集成第一節(jié)變量類型知識點：整數(shù)型、實數(shù)型、字符串型、時間型、日期型、時間戳型第二節(jié)讀入數(shù)據(jù)知識點：讀文本文件、讀Excel電子表格、讀SPSS格式文件、讀數(shù)據(jù)庫文件第三節(jié)生成實驗方案知識點：挖掘?qū)嶒灁?shù)據(jù)中的規(guī)律性、探索影響實驗結(jié)果的決定因素第四節(jié)數(shù)據(jù)集成知識點：數(shù)據(jù)的縱向合并、數(shù)據(jù)的橫向合并、數(shù)據(jù)源替換第三章數(shù)據(jù)質(zhì)量的評估和調(diào)整第一節(jié)數(shù)據(jù)質(zhì)量的評估和調(diào)整知識點：數(shù)據(jù)的基本特征與質(zhì)量評價報告、離群點和極端值的調(diào)整、數(shù)據(jù)質(zhì)量管理第二節(jié)數(shù)據(jù)的分類匯總知識點：單變量分類匯總、多重分類匯總第三節(jié)變量變換知識點：CLEM表達式、變量值的重新計算、變量類別值的調(diào)整第四節(jié)數(shù)據(jù)精簡知識點：隨機抽樣、根據(jù)條件選取樣本、樣本的平衡處理第四章基本分析和數(shù)據(jù)精簡第一節(jié)數(shù)值型變量的基本分析知識點：計算基本描述統(tǒng)計量、繪制散點圖、繪制線圖第二節(jié)兩分類型變量相關(guān)性的研究知識點：兩分類型變量相關(guān)性的圖形分析、兩分類型變量相關(guān)性的數(shù)值分析第三節(jié)特征選擇知識點：特征選擇的一般方法、特征選擇的應(yīng)用示例第四節(jié)因子分析知識點：因子分析的定義、因子提取和因子載荷矩陣的求解、因子的命名第五章決策樹和人工神經(jīng)網(wǎng)絡(luò)第一節(jié)決策樹算法概述知識點：決策樹的定義、決策樹的幾何理解、決策樹的核心問題第二節(jié)Modeler的C5.0算法及應(yīng)用知識點：信息熵和信息增益、C5.0決策法的生長算法、修剪算法、基本應(yīng)用示例第三節(jié)人工神經(jīng)網(wǎng)絡(luò)算法概述知識點：人工神經(jīng)網(wǎng)絡(luò)的概念和種類、人工神經(jīng)網(wǎng)絡(luò)建議的一般步驟第四節(jié)Modeler的BP反向傳播網(wǎng)絡(luò)的應(yīng)用知識點：基本操作、結(jié)果說明、網(wǎng)絡(luò)中的隱節(jié)點和輸出節(jié)點第六章支持向量機和貝葉斯網(wǎng)絡(luò)第一節(jié)支持向量分類的基本思路知識點：支持向量機的概念、支持向量分類的數(shù)據(jù)和目標、支持向量分類的思路第二節(jié)支持向量機的應(yīng)用知識點：確定超平面、基本操作、結(jié)果解讀第三節(jié)貝葉斯方法基礎(chǔ)知識點：貝葉斯概率和貝葉斯公式、樸素貝葉斯分類法第四節(jié)貝葉斯網(wǎng)絡(luò)的應(yīng)用知識點：基本操作、結(jié)果解讀、馬爾科夫毯網(wǎng)絡(luò)的案例、TAN貝葉斯網(wǎng)絡(luò)的案例第七章聚類分析第一節(jié)聚類分析的一般問題知識點：聚類分析的提出、聚類分析的算法第二節(jié)Moderler的K-Means聚類及應(yīng)用知識點：K-Means對“親疏程度”的測度、K-Means聚類過程、應(yīng)用示例第三節(jié)Modeler的兩步聚類及應(yīng)用知識點：兩步聚類對“親疏程度”的測度、兩步聚類過程、聚類數(shù)目的確定第四節(jié)基于聚類分析的離群點探索知識點：多維空間基于聚類的離群點診斷方法、應(yīng)用示例第八章關(guān)聯(lián)分析第一節(jié)簡單關(guān)聯(lián)規(guī)則及其有效性知識點：簡單關(guān)聯(lián)規(guī)則的基本概念、簡單關(guān)聯(lián)規(guī)則的有效性和實用性第二節(jié)Modeler的Apriori算法及應(yīng)用知識點：頻繁項集、依據(jù)頻繁項集產(chǎn)生簡單關(guān)聯(lián)規(guī)則、Apriori算法的應(yīng)用示例第三節(jié)Modeler的序列關(guān)聯(lián)及應(yīng)用知識點：序列關(guān)聯(lián)中的基本概念、Sequence算法、序列關(guān)聯(lián)的時間約束四、考核（一）考核的形式：平時考核、平時實踐考核與期末綜合測試相結(jié)合。（二）成績的計算：績。五、教材與參考教材1、《數(shù)據(jù)分析與數(shù)據(jù)挖掘》，喻梅、于健主編，清華大學(xué)出版社，2018年3月第1版2、《基于SPSSModel