数据挖掘实验实验课程教学大纲
《数据挖掘实验》实验课程教学大纲
一、课程基本信息
课程代码152252312 课程性质专业方向课培养方案2015版开课单位电子商务学院课程学分1课程学时16
授课对象信息管理与信息系统本科
第六学期
是否独立设课是
先修课程经济数学、统计学
编写人编写时间2015年5月1日
审核人审核时间2015年6月1日
二、实验性质、地位和任务
本课程是信息管理与信息系统专业的选修专业课之一，是《数据挖掘与知识管理》的同步实验课。实验课的任务要结合SPSS统计软件和数据建模方法，熟练掌握和深入理解课堂教学内容。帮助学生更好地学习本课程，理解和掌握数据挖掘所需的技术，为整个专业学习打好基础。要求运用所学知识，上机解决一些典型问题，通过SPSS统计分析软件进行数据挖掘的训练，使学生深刻理解、牢固掌握所用到的一些数据挖掘技术。
三、实验目的和要求
1．实验目的
结合课程内容，加强对数据挖掘技术的理解，提高学生通过数据挖掘相关技术进行数据分析的能力。
2．实验要求
应用SPSS统计软件，对给定的环境与硬软件条件下的具体问题，要求学生应能运用所学数据挖掘知识独立分析并解决。
四、实验项目和学时分配
序号实验项目名称
学时
分配
实验类型备注
演示性验证性综合性设计性必做选做
1数据准备2√√
2相关分析4√√
3聚类分析6√√
4因子分析4√√
五、实验项目主要内容
实验一数据准备
（设计性实验 2学时）
1. 目的要求
掌握数据预处理的方法；
掌握运用SPSS统计软件进行数据预处理。
2．实验内容
运用SPSS统计软件进行数据清理、数据变换和数据归约。
3．主要实验仪器设备
计算机、SPSS统计软件
实验二相关分析
（验证性实验 4学时）
1. 目的要求
了解SPSS的相关分析功能；
掌握运用SPSS统计软件进行相关分析的方法。
2．实验内容
运用SPSS统计软件进行两变量相关分析、partial过程、distances过程分析。
3．主要实验仪器设备
计算机、SPSS统计软件
实验三聚类分析
（验证性实验 6学时）
1. 目的要求
掌握运用SPSS统计软件进行聚类分析的方法。
2．实验内容
使用SPSS统计软件进行快速样本聚类、分层聚类和两阶段聚类。
3．主要实验仪器设备
计算机、SPSS统计软件
实验四因子分析
（验证性实验 4学时）
1. 目的要求
掌握运用SPSS统计软件进行因子分析的方法。
2．实验内容
运用SPSS统计分析软件进行因子分析的参数设置、变量的因子分析等。
3．主要实验仪器设备
计算机、SPSS统计软件
六、考核方式、方法及实验成绩评定方法
1、考核方式、方法
数据挖掘实验课成绩单独按五级记分。凡实验成绩不及格者，该门课程必须重修。学生的实验成绩应以实验实际操作的优劣作为主要考核依据。实验成绩计入平时成绩中，占平时成绩的30%。
2、实验成绩评定方法
评定各级成绩时，可参考以下标准：
（1）优秀（90分及以上）
能正确理解实验的目的要求，能独立、顺利而正确地完成各项实验操作，会分析和处理实验中遇到的问题，能掌握所学的各项实验技能，能较好地完成实验报告及其它各项实验作业，有一定创造精神和能力。有良好的实验工作作风和习惯。
（2）良好（80分—89.5分）
能理解实验的目的和要求，能认真而正确地完成各项实验操作，能分析和处理实验中遇到的一些问题。能掌握所学实验技能的绝大部分，对难点较大的操作完成有困难。能一般完成实
验报告和其它实验作业。有较好的实验习惯和工作作风。
（3）中等（70分—79.5分）
能粗浅理解实验目的要求，能认真努力进行各项实验操作，但技巧较差。能分析和处理实验中一些较容易的问题，掌握实验技能的大部分。有30%掌握得不好。能一般完成各项实验作业和报告。处理问题缺乏条理。工作作风较好。能认真遵守各项规章制度。学习努力。
（4）及格（60分—69.5分）
只能机械地了解实验内容，能一般性地按实验步骤完成实验操作，能完成60%所学的实验技能，有些虽作但不准确。遇到问题常常缺乏解决的办法，在别人启发下能作些简单处理，但效果不理想。能一般完成实验报告，能认真遵守实验室各项规章制度，工作中有小的习惯性毛病（如工作无计划，处理问题缺乏条理）。
（5）不及格（60分以下）
盲目地操作，只掌握50%以下所学实验技能。有些实验虽能做，但一般效果不好，操作不正确。工作忙乱无条理。一般能遵守实验室规章制度，但常有小的错误。实验报告较多的时候有结果，遇到问题时说不明原因，在教师指导下也较难完成各项实验作业。或有些小聪明但不努力，不求上进。
七、使用教材及实验指导书、主要参考书
1、使用教材及实验指导书：
蒋盛益编，2014，商务数据挖掘与应用案例分析（第一版），电子工业出版社
2、主要参考书目：
[1] 谢龙汉编，2012，SPSS统计分析与数据挖掘（第一版），电子工业出版社
[2] 谢邦昌编，2012，数据挖掘基础与应用（第一版），机械工业出版社
[3] 张良均编，2013，数据挖掘:实用案例分析（第一版），机械工业出版社
数据挖掘实验三报告
实验三：基于Weka 进行关联规则挖掘 实验步骤 1.利用Weka对数据集contact-lenses.arff进行Apriori关联规则挖掘。要求： 描述数据集；解释Apriori 算法及流程；解释Weka 中有关Apriori 的参数；解释输出结果 Apriori 算法： 1、发现频繁项集，过程为 （1）扫描 （2）计数 （3）比较 （4）产生频繁项集 （5）连接、剪枝，产生候选项集 （6）重复步骤（1）~（5）直到不能发现更大的频集 2、产生关联规则 （1）对于每个频繁项集L，产生L的所有非空子集； （2）对于L的每个非空子集S，如果 P（L）/P（S）≧min_conf(最小置信度阈值) 则输出规则“S=>L-S” Weka 中有关Apriori 的参数：
1. car 如果设为真，则会挖掘类关联规则而不是全局关联规则。 2. classindex 类属性索引。如果设置为-1，最后的属性被当做类属性。 3.delta 以此数值为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则。 4. lowerBoundMinSupport 最小支持度下界。 5. metricType 度量类型。设置对规则进行排序的度量依据。可以是：置信度（类关联规则只能用置信度挖掘），提升度(lift)，杠杆率(leverage)，确信度(conviction)。 在Weka中设置了几个类似置信度(confidence)的度量来衡量规则的关联程度，它们分别是： a)Lift ：P(A,B)/(P(A)P(B)) Lift=1时表示A和B独立。这个数越大(>1)，越表明A和B存在于一个购物篮中不是偶然现象,有较强的关联度. b)Leverage :P(A,B)-P(A)P(B) Leverage=0时A和B独立，Leverage越大A和B的关系越密切
实验课程教学大纲模板.doc
附件二：实验课程教学大纲模板： 《课程名称》实验课程(课程实验)教学大纲 课程编码：（依据培养方案的课程编码） 课程性质：（见编写说明） 适用专业：****** 学时学分：**学时**学分 ****** 所需先修 课： 编写单位：****** 编写人：****** 审定人：****** 编写时间：20**年**月 一、实验课程简介 简述课程内容、本门课程在专业学习中的地位作用。 二、教学目标和要求 明确本门实验课总的目标和要求，通过实验培养学生总体上了解或掌握什么方法或技能，达到什么目标；对学生有什么具体要求（比如：理解实验原理及实验方案，掌握正确操作规程；掌握各种仪器的使用，了解其性能参数、适应范围及注意事项等）。 三、与其他课程的关系 提出本课程在教学内容及教学环节等方面与其它相关课程的联系与分工。（包括理论课程与实验课程） 四、考核形式及要求 明确说明是考试课还是考查课，考试的形式是开卷还是闭卷，成绩的合成及评分标准，平时、期中、期末或实验操作等各教学环节的考核各占总分数的百分比等。考核应以考核实验技能为主。
六、使用教材及参考书 使用教材和参考书按作者、教材名称、版次、出版社所在地、出版社、出版时间顺序填写，小四号宋体，[体例]如下： 使用教材：童庆炳.文学理论课程（第二版）.北京:高等教育出版社,2004. 参考书[体例]如下： 参考书： [1]霍元极.高等代数（第一版）.北京:北京师范大学出版社,2004. [2]【美】理查德·格里格,菲利普·津巴多.王垒,等译.心理学与生活(第19版).北京:人民邮电出版社,2016. [3] 七、其他说明 针对本实验课程的特点，提出应当采取的教学方法、实验教学组织方法和实验考核等方面的建议等（也可省去该项）。 编写说明： 1．本大纲原则上全系统一按本参考模式编写。 2．每个项目里的填写说明作为参考，在大的框架统一（尤其是项目名称和顺序要统一）和版面格式统一的前提下，各系可根据学科的具体情况对填写内容适当修改。
电工电子学课程实验教学大纲
《电工电子学》课程实验教学大纲(一) （材料科学专业，环境工程专业，轮机工程，热能与动力专业） 一、课程基本情况 1、课程名称：电工电子学实验 Experimet of Electrotechnics and Electronics 2、课程编号：132000771 3、课程类别：专业基础 4、实验课性质：独立设课 5、课程总学时：材料科学专业，环境工程专业80学时，轮机工程，热能与动力122学时 6、实验学时： 32学时， 7、实验学分：1学分 8、先修或同修课程：高等数学，物理学，电工电子学 9、适用专业：材料科学专业，环境工程专业，轮机工程，热能与动力专业 10、大纲执笔：应用电子教研室王艳红职称：副教授 11、大纲审批： 12、制定时间：2006年3月19日 二、实验教学目的和任务 《电工与电子学》是非电类专业一门很强的技术基础课程，其实验是课程的重要部分，是非电类专业的必修课。 随着科学技术的迅速发展，理工科大学生不仅需要掌握电路与电子学方面的基本理论，而且还需要掌握基本的实验技能及一定的科研能力。通过该课程的学习，使学生巩固和加深电路与电子学的基本知识，通过实践进一步加强学生独立分析问题和解决问题的能力、综合设计及创新能力，其中以培养学生实践基础和实践理论为主，为专业实践能力、创新能力，奠定扎实的基础。同时注意培养
学生实事、严肃认真的科学作风和良好的实验习惯，为今后工作和学习后续课程打下良好的基础。 三、实验教学基本要求 本课程是非电类专业的技术基础课程，根据非电类专业的特点及要求。它把测量方法、仪器仪表的原理及使用融在相应的实验中，培养学生的实际工作能力。通过课程的实践与教学，学生应达到以下要求。 1、进一步巩固和加深对电路、模拟电子技术、电机、继电接触控制基本知识的理解，提高综合运用所学知识、独立设计电路的能力。 2、掌握仪器仪表的工作原理，能正确使用仪器设备，掌握测试方法和测试技能。 3、能独立撰写实验报告书，准确地分析实验结果，正确地绘制实验曲线和实验电路。 4、课前做好预习，明确实验容和实验目的。 四、实验项目表及学时分配 本课程试验共安排47学时，其中23学时为必选实验，24学时为可选实验，按教学计划要求不同专业学生分别完成实验学时数为32学时和12学时（少学时专业的实验在必做中选定实验）.。
数据挖掘实验报告
《数据挖掘》Weka实验报告 姓名＿学号＿ 指导教师 开课学期2015 至2016 学年 2 学期完成日期2015年6月12日
1.实验目的 基于https://www.360docs.net/doc/b15093824.html,/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29的数据，使用数据挖掘中的分类算法，运用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。 2.实验环境 实验采用Weka平台，数据使用来自https://www.360docs.net/doc/b15093824.html,/ml/Datasets/Br- east+Cancer+WiscOnsin+%28Original%29，主要使用其中的Breast Cancer Wisc- onsin (Original) Data Set数据。Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。 3.实验步骤 3.1数据预处理 本实验是针对威斯康辛州(原始)的乳腺癌数据集进行分类，该表含有Sample code number（样本代码)，Clump Thickness（丛厚度），Uniformity of Cell Size （均匀的细胞大小），Uniformity of Cell Shape （均匀的细胞形状），Marginal Adhesion（边际粘连），Single Epithelial Cell Size（单一的上皮细胞大小），Bare Nuclei（裸核），Bland Chromatin（平淡的染色质），Normal Nucleoli（正常的核仁），Mitoses（有丝分裂），Class（分类），其中第二项到第十项取值均为1-10，分类中2代表良性，4代表恶性。通过实验，希望能找出患乳腺癌客户各指标的分布情况。 该数据的数据属性如下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness（numeric），丛厚度；
理论课程及实验课程教学大纲填写说明【模板】
理论课程及实验课程教学大纲填写说明 （公共基础课、素质必修课、素质选修课适用） A.总说明： 一、适用课程范围：该版教学大纲的填写范围仅为“公共基础课”“素质必修课”和“素质选修课”。课程类别可于《武汉工程大学本科培养方案》中查询。 二、文本格式：请勿改变大纲中标题及文本样式。标题中的课程名称为黑体小二号字体（加 粗）。除标题外，其余需填写内容中的中文及数字的样式为宋体五号字体（勿加粗），英文样式为Times New Roman五号字体（勿加粗）；段落行间距设为单倍行距，段首缩进设为2。 三、表格：请勿改变页边距、表格列宽及单元格的对齐方式。因为软件类型及版本问题， 打开大纲模板文件后表格有可能出现少量错位情况，请帮忙调整至对齐，建议使用WPS打开。 四、名称：单位和课程等名称请务必填写标准化全称，如“计算机科学与工程学院”“毛泽东思想和中国特色社会主义理论体系概论”等。 五、联系人：XXX；电话：********；地址：教务处教学评价与发展中心（白宫208） B.分项说明 一、课程信息 ?“课程类别”：公用基础课、素质必修课或素质选修课 ?“课程性质”：必修或选修 ?“计划学时”：请在括号前填写总学时，并在括号内分别填写课内学时和课外学时，如果 没有课外学时，则填写“0”。 ?“选用教材”:《》，ⅹⅹ编著，ⅹⅹ出版社，年；是否自编；是否教育部规划教材 ?“课程网站”：有则填写，没有则填写“无”。 二、课程简介（中英文) ?中文在前、英文在后，中文要求200字以上、500字以下。课程简介必须包括课程定 义、课程总体内容、课程目的及意义等基本内容。此外，可以填写与相关课程的关系、课程改革情况、教学方法、课程特色等其它内容。 ?任何课程都必须有英文课程简介。 三、课程教学要求 ?从知识、能力、素质三个方面分条目进行阐述。其中的一条或者若干条应能对应《工程 教育认证标准》（2015版）12项毕业要求中的相关条目。 ?问题1：为什么要将“课程教学要求”中的一条或者若干条对应《工程教育认证标准》 （2015版）12项毕业要求中的相关条目？ 答：根据学校“以工程实践为主，满足复合型、创新性、国际化、工程化人才成长需要”的人才培养目标定位，作为面向全校学生开设的课程，各公共基础课、素质必修课、素质选修课的课程教学要求应该在达成“业务培养要求”中的知识、能力、素质三类要求的基础上，保证其中有一条或若干条能与《工程教育认证标准》（2015版）中工科专业学生的12项毕业要求中的一条或若干条相关联。 ?问题2：什么是“《工程教育认证标准》（2015版）中的12项毕业要求”
数据挖掘实验报告(一)
数据挖掘实验报告（一） 数据预处理 姓名：李圣杰 班级：计算机1304 学号：1311610602
一、实验目的 1.学习均值平滑，中值平滑，边界值平滑的基本原理 2.掌握链表的使用方法 3.掌握文件读取的方法 二、实验设备 PC一台，dev-c++5.11 三、实验内容 数据平滑 假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70。使用你所熟悉的程序设计语言进行编程，实现如下功能（要求程序具有通用性）： (a) 使用按箱平均值平滑法对以上数据进行平滑，箱的深度为3。 (b) 使用按箱中值平滑法对以上数据进行平滑，箱的深度为3。 (c) 使用按箱边界值平滑法对以上数据进行平滑，箱的深度为3。 四、实验原理 使用c语言，对数据文件进行读取，存入带头节点的指针链表中，同时计数，均值求三个数的平均值，中值求中间的一个数的值，边界值将中间的数转换为离边界较近的边界值 五、实验步骤 代码 #include
数据挖掘试验指导书
《商务数据分析》实验指导书（适用于国际经济与贸易专业） 江西财经大学国际经贸学院 编写人：戴爱明
目录 前言 (1) 实验一、SPSS Clementine 软件功能演练 (5) 实验二、SPSS Clementine 数据可视化 (9) 实验三、决策树C5.0 建模 (17) 实验四、关联规则挖掘 (30) 实验五、聚类分析（异常值检测） (38)
前言 一、课程简介 商务数据分析充分利用数据挖掘技术从大量商务数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)，因此，数据挖掘和数据仓库的协同工作，一方面，可以迎合和简化数据挖掘过程中的重要步骤，提高数据挖掘的效率和能力，确保数据挖掘中数据来源的广泛性和完整性。另一方面，数据挖掘技术已经成为数据仓库应用中极为重要和相对独立的方面和工具。 数据挖掘有机结合了来自多学科技术，其中包括：数据库、数理统计、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理、空间数据分析等，这里我们强调商务数据分析所处理的是大规模数据，且其算法应是高效的和可扩展的。通过数据分析，可从数据库中挖掘出有意义的知识、规律，或更高层次的信息，并可以从多个角度对其进行浏览察看。所挖掘出的知识可以帮助进行商务决策支持。当前商务数据分析应用主要集中在电信、零售、农业、网络日志、银行等方面。
实验课程教学大纲模板
实验课程教学大纲模板
《课程中文名称》实验教学大纲一、课程基本信息 课程号课程英文名称 课程类型□课程实验 □独立实验课 课程 性质 □必修□ 选修 总学分实验学 分 实验 学时 先修 课程 使用 教材 （教材名称、出版社、出版时间）授课 对象 （专 业） 考核 方式 及成 绩评
（空一行） 序号 实验项目 学时 实 验类 型 分组情况 内容摘要 1 ××××× 2 ××××× 定 教 学 目 标 （说明通过实验可以达到什么目的，学生通过实验可以培养什么、锻炼什么、提高什么等） 课 程 简 介 （介绍实验的主要内容，实验在人才培养方案中的地位及作用，重点、难点等。）
（注：实验类型指：1.演示性实验、2.操作性实验、3.验证性实验、4.综合性实验、5.设计性实验） （空一行） 三、实验内容 （空一行） 实验一×××××实验 实验教学的目的：××××××××××××××××××××××××××××(宋体，小四号) 实验教学的基本要求：××××××××××××(宋体，小四号) 实验时数：×××××××××(宋体，小四号) 实验成绩评定：×××××××××(宋体，小四号) 实验内容：（详细实验内容）××××××××××××××××××××××××××(宋体，小四号) 主要实验设备：（包括实验课程所用设备、软件、工具等）××××××××××××××××××××××××××(宋体，小四号) （空一行） 实验二×××××实验 实验教学的目的： 实验时数： 实验教学的基本要求： 实验成绩评定： 实验内容：（详细实验内容） 主要实验设备：（包括实验课程所用设备、软件、工具等） （空一行） 四、实验报告的格式（学生统一格式，认真写出实验报告） （空一行） 实验名称 （空一行） （一）实验目的： （二）主要仪器设备：（列出实验中主要使用的仪器设备及其他物品）
实验教学大纲内容及格式要求
实验教学大纲的内容 课程名称；课程类别；课程编号；课程性质；适用专业；课程总学时；实验（上机）计划学时；大纲编写依据；实验课程地位及相关课程的联系；实验目的、性质和任务；实验基本要求；实验内容和学时分配；使用教材（指导书）；考核方法和评分标准；使用说明；大纲执笔人；大纲审定人。 实验教学大纲格式要求见附件1. 实验教学大纲填写说明 1、此表中“课程类别”是指“基础课程”、“专业基础课程”和“专业课程”； 2、“课程性质”是指“必修”或者“选修”课程；“实验类型”分为演示实验、验证性实验、综合性实验、设计性实验； 3、“课程总学时”和“实验学时”，前者是指课程包含实验课程在内的总学时数，后者是指该课程中实验课程所占的学时数，应分开填写，独立设课的实验课程只填“实验学时”； 4、“使用说明”主要是对大纲使用的某些情况需要进行的特别说明或者描述。
附件：实验教学大纲内容及格式要求 □□□课程实验教学大纲 大纲制定（修订）时间：年月 课程名称：课程编号： 课程类别：□□课程性质：□□ 适用专业：□□□□□□□□□□ 课程总学时：□□ 实验（上机）计划学时：□□ 开课单位：□□□学院 一、大纲编写依据 二、实验课程地位及相关课程的联系 三、实验目的、性质和任务 1、明确掌握哪些基本理论； 2、训练哪些能力，会使用哪些仪器设备； 3、掌握哪些基本实验方法或测试方法。 四、实验基本要求 1、实验项目和实验内容的选定及其选定原则说明 2、每个实验项目应达到的教学要求和具体规定 六、教材（讲义、指导书）： 《□□□》，□□□编，□□□出版社，出版时间 七、考核方法和评分标准； 八、使用说明： 大纲制定人： 大纲审定人：
数据挖掘实验报告资料
大数据理论与技术读书报告 -----K最近邻分类算法 指导老师: 陈莉 学生姓名: 李阳帆 学号: 201531467 专业: 计算机技术 日期 :2016年8月31日
摘要 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地提取出有价值的知识模式，以满足人们不同应用的需要。K 近邻算法（KNN）是基于统计的分类方法，是大数据理论与分析的分类算法中比较常用的一种方法。该算法具有直观、无需先验统计知识、无师学习等特点，目前已经成为数据挖掘技术的理论和应用研究方法之一。本文主要研究了K 近邻分类算法，首先简要地介绍了数据挖掘中的各种分类算法，详细地阐述了K 近邻算法的基本原理和应用领域，最后在matlab环境里仿真实现，并对实验结果进行分析，提出了改进的方法。 关键词：K 近邻，聚类算法，权重，复杂度，准确度
1.引言 (1) 2.研究目的与意义 (1) 3.算法思想 (2) 4.算法实现 (2) 4.1 参数设置 (2) 4.2数据集 (2) 4.3实验步骤 (3) 4.4实验结果与分析 (3) 5.总结与反思 (4) 附件1 (6)
1.引言 随着数据库技术的飞速发展，人工智能领域的一个分支—— 机器学习的研究自 20 世纪 50 年代开始以来也取得了很大进展。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了数据库中的知识发现（Knowledge Discovery in Databases，简记 KDD）的产生，也称作数据挖掘（Data Ming，简记 DM）。 数据挖掘是信息技术自然演化的结果。信息技术的发展大致可以描述为如下的过程：初期的是简单的数据收集和数据库的构造；后来发展到对数据的管理，包括：数据存储、检索以及数据库事务处理；再后来发展到对数据的分析和理解， 这时候出现了数据仓库技术和数据挖掘技术。数据挖掘是涉及数据库和人工智能等学科的一门当前相当活跃的研究领域。 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地抽取出有价值的知识模式，以满足人们不同应用的需要[1]。目前，数据挖掘已经成为一个具有迫切实现需要的很有前途的热点研究课题。 2.研究目的与意义 近邻方法是在一组历史数据记录中寻找一个或者若干个与当前记录最相似的历史纪录的已知特征值来预测当前记录的未知或遗失特征值[14]。近邻方法是数据挖掘分类算法中比较常用的一种方法。K 近邻算法（简称 KNN）是基于统计的分类方法[15]。KNN 分类算法根据待识样本在特征空间中 K 个最近邻样本中的多数样本的类别来进行分类，因此具有直观、无需先验统计知识、无师学习等特点，从而成为非参数分类的一种重要方法。 大多数分类方法是基于向量空间模型的。当前在分类方法中，对任意两个向量： x= ) ,..., , ( 2 1x x x n和) ,..., , (' ' 2 ' 1 'x x x x n 存在 3 种最通用的距离度量：欧氏距离、余弦距 离[16]和内积[17]。有两种常用的分类策略：一种是计算待分类向量到所有训练集中的向量间的距离：如 K 近邻选择K个距离最小的向量然后进行综合，以决定其类别。另一种是用训练集中的向量构成类别向量，仅计算待分类向量到所有类别向量的距离，选择一个距离最小的类别向量决定类别的归属。很明显，距离计算在分类中起关键作用。由于以上 3 种距离度量不涉及向量的特征之间的关系，这使得距离的计算不精确，从而影响分类的效果。
多元统计分析课程实验教学大纲【模板】
多元统计分析课程实验教学大纲 课程编号：******** 课程名称：多元统计分析 课程英文名称：Multivariate Statistical Analysis 总学时：40 理论学时：32 实验学时： 8 课外学时：0 学分：2.5 先修课程要求：高等数学、概率论与数理统计、线性代数 课程属性：非独立设课 实验学时：8 课外学时：0 实验项目数：4 适用专业：金融学 参考教材：王淑芬，《应用统计学（第2版）》，**大学出版社，2011版。 教学参考书： 余锦华，杨维权，《多元统计分析与应用》，**大学出版社，2005 张润楚，《多元统计分析》，科学出版社，2006 何晓群：《多元统计分析（第三版）》，**大学出版社，2012 一、课程简介和基本要求 课程介绍：本课程是金融学专业平台课。 内容涉及统计数据的收集整理与显示，统计数据的特征描述，相关分析与回归分析、聚类分析、主成分分析与因子分析、对应分析。 基本要求：通过本课程的学习,使学生能够对多元统计分析方法的基本思想、基本内容、基本原理有更加深入理解，能够利用SPSS软件运行数据处理方法，从而为学会如何通过建立模型对现实的经济生活进行分析模拟，为实证分析打下一定的理论基础。 二、课程实验目的与要求 实验目的：使学生将前修课的知识有机地联系起来，通过实践培养学生综合运用知识的初步能力。 实验要求： 1. 学生应独立完成规定的上机习题； 2. 通过SPSS软件对案例进行分析，并将结果上传到网络教学平台 三、主要仪器设备及软件
仪器设备：任何手提、台式计算机及网络终端。 软件：SPSS软件 经管实验中心实验室已具备上述实验条件。 四、实验项目设置与内容 五、实验成绩评定 实验成绩分优、良、中、合格、不合格五个等级，实验成绩占该课程总成绩的20％。 六、实验教学应注意的问题 学生应在掌握课程基本理论和基本知识的基础上独立完成所要求必做的实验项目，注重理论联系实际，提高实际操作技能。 七、制定执笔者：李喆审定者：批准者：
数据挖掘实验报告三
实验三 一、实验原理 K-Means算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。 在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。 算法原理： (1) 随机选取k个中心点； (2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类； (3) 更新中心点为每类的均值； (4) j<-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步 数，误差不变. 空间复杂度o(N) 时间复杂度o(I*K*N) 其中N为样本点个数，K为中心点个数，I为迭代次数 二、实验目的： 1、利用R实现数据标准化。 2、利用R实现K-Meams聚类过程。 3、了解K-Means聚类算法在客户价值分析实例中的应用。 三、实验内容 依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标准差标准化并保存后，采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。编写R程序，完成客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数
四、实验步骤 1、依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。
2、确定要探索分析的变量 3、利用R实现数据标准化。 4、采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。
五、实验结果 客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数 六、思考与分析 使用不同的预处理对数据进行变化，在使用k-means算法进行聚类，对比聚类的结果。 kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。 这样做的前提是我们已经知道数据集中包含多少个簇. 1.与层次聚类结合 经常会产生较好的聚类结果的一个有趣策略是，首先采用层次凝聚算法决定结果
《大学物理实验》课程教学大纲.docx
《大学物理实验》课程教学大纲 1. 课程名称（中文）：物理实验英文名称：Physics Experiments 2.课程编码： 01000102 3.课程类别：基础独立设课 4.课程要求：必修基础实验 5.课程属性：独立设课 6.课程总学时：总学分： 7.实验学时： 51 学时总学分： 1.5学分 8.应开实验学期：第 2 学期至第 3 学期 9.适用专业：土木工程、化学工程与工艺、应用化学、材料科学与工程、生物工程、信息 与计算科学。 10.先修课程：大学物理 11. 编写人：徐子湘俸永格编写日前：2005年9月1日 一、实验课程简介 物理学是实验科学，物理规律的研究都是以严格的实验为基础，实验与数学分析相结合是 物理学研究中的一个特点。物理实验是大学生进行科学实验训练的一门基础课程，在实验过程中，通过理论的运用与现象的观测分析，充分提高学生分析问题与解决问题的能力；充分提高学生综 合运用理论知识解决实际问题的动手能力。本实验课程需学生应达到下列要求： 1、进一步巩固和加深对大学物理理论知识的理解，提高学生的综合素质。 2、能根据需要选学参考书，查阅手册，通过独立思考，深入钻研有关问题，学会自己 独立分析问题、解决问题，具有一定的创新能力。 二、实验教学目标与基本要求 1、本课程的主要目的是： （1）学生通过实验学习物理实验的基本理论、典型的实验方法及其物理思想。 （2）获得必要的实验知识和操作技能训练，培养学生的动手能力、工作能力、创造能力，提高学生分析问题、归纳问题、解决问题的能力。 （3）树立实事求是、一丝不苟、严格认真的科学态度。 2、本实验课程应达到下列要求： （1）进一步巩固和加深对大学物理理论知识的理解，提高学生的综合素质。 （2）能根据需要选学参考书，查阅手册，通过独立思考，深入钻研有关问题，学会自己独立分析问题、解决问题，具有一定的创新能力。
数据分析与挖掘实验报告
数据分析与挖掘实验报告
《数据挖掘》实验报告 目录 1.关联规则的基本概念和方法 (1) 1.1数据挖掘 (1) 1.1.1数据挖掘的概念 (1) 1.1.2数据挖掘的方法与技术 (2) 1.2关联规则 (5) 1.2.1关联规则的概念 (5) 1.2.2关联规则的实现——Apriori算法 (7) 2.用Matlab实现关联规则 (12) 2.1Matlab概述 (12) 2.2基于Matlab的Apriori算法 (13) 3.用java实现关联规则 (19) 3.1java界面描述 (19) 3.2java关键代码描述 (23) 4、实验总结 (29) 4.1实验的不足和改进 (29) 4.2实验心得 (30)
1.关联规则的基本概念和方法 1.1数据挖掘 1.1.1数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。在最近十几年里，数据库中存储的数据急剧增大。数据挖掘就是信息技术自然进化的结果。数据挖掘可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的但又是潜在有用的信息和知识的过程。 许多人将数据挖掘视为另一个流行词汇数据中的知识发现（KDD）的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据）·数据集成（多种数据源可以组合在一起）·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数
据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）。 1.1.2数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成等许多应用领域的大量技术。数据挖掘主要包括以下方法。神经网络方法：神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类：以感知机、bp反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以hopfield 的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以art 模型、koholon模型为代表的，用于聚类的自组
课程实验教学大纲
《材料分析化学》课程实验教学大纲 Material Chemical Analysis 课程编号：07111010 课程教学总学时：45 实验总学时： 15 学分： 1（包含在课程） 先修课程：无机化学 适用专业：高分子材料科学与工程、金属材料工程、无机非金属材料工程、材料 成型及控制工程、冶金工程 一、目的与任务 分析化学实验的目的是使学生通过实验，加深对分析化学理论的理解，训练 学生正确熟练地掌握分析化学实验的基本知识和操作，确立准确的量的概念，提 高学生观察、分析、解决问题的能力，培养学生实事求是的科学态度和认真细致 的工作作风，为学习后续课程和今后从事工作打下良好的基础。通过本课程的学 习，使学生具有解决分析化学实际问题及进行简单科学实验的能力。 二、实验教学的基本要求 （1）学习相关原理，认真写好预习报告，写出实验方法与步骤。 （2）掌握定量分析操作，了解有关分析仪器构造； （3）观察实验现象，测试记录有关数据； （4）对实验数据处理，写出实验报告； （5）分析相应的问题。 三、本课程实验教学的基本内容 实验项 实验项目学时类型要求备注目编号 1分析天平称量练习 2 综合选做 2滴定分析基本操作练习 2 综合必做 3盐酸标准溶液的配制和标定 3 综合必做 4蛋壳中碳酸钙含量的测定 3 设计必做 5水的总硬度的测定 3 综合必做 6可溶性氯化物中氯含量的测定 3 综合必做 7丁二酮肟法测定钢铁中镍含量 4 综合选做 8硅酸盐水泥中Fe2O3、Al2O3、CaO 4 综合选做 和MgO含量的测定 9食醋中总酸量的测定 3 设计选做
10非水滴定法测定α-氨基酸含量 3 综合选做 11配位滴定法测定铝 2 综合选做 12水中COD测定（酸性高锰酸钾法） 3 综合选做 13纸色谱分离-氨基酸的分离与鉴别 3 综合选做 14高锰酸钾法测定过氧化氢的含量 3 综合选做 15直接碘量法测定维生素C的含量 3 设计选做注：实验内容可根据实际情况进行调整。 四、实验成绩的考核与评定方法 实验成绩的考核，以实验预习报告、实验报告和实验过程为考核依据，成绩分优、良、中、及格和不及格五等，占课程成绩的10%～15%。 五、有关说明 最好能配备《分析化学实验计算机仿真》软件，供学生预习。 制定人：吴述平、申小娟 审定人：袁新华 批准人：杨娟 时间：2016.03.01
数据挖掘实验报告 超市商品销售分析及数据挖掘
通信与信息工程学院 课程设计说明书 课程名称: 数据仓库与数据挖掘课程设计题目: 超市商品销售分析及数据挖掘专业/班级: 电子商务（理） 组长: 学号: 组员/学号: 开始时间: 2011 年12 月29 日完成时间: 2012 年01 月 3 日
目录 1．绪论 (1) 1.1项目背景 (1) 1.2提出问题 (1) 2．数据仓库与数据集市的概念介绍 (1) 2.1数据仓库介绍 (1) 2.2数据集市介绍 (2) 3．数据仓库 (3) 3.1数据仓库的设计 (3) 3.1.1数据仓库的概念模型设计 (4) 3.1.2数据仓库的逻辑模型设计 (5) 3.2 数据仓库的建立 (5) 3.2.1数据仓库数据集成 (5) 3.2.2建立维表 (8) 4.OLAP操作 (10) 5.数据预处理 (12) 5.1描述性数据汇总 (12) 5.2数据清理与变换 (13) 6.数据挖掘操作 (13) 6.1关联规则挖掘 (13) 6.2 分类和预测 (17) 6.3决策树的建立 (18) 6.4聚类分析 (22) 7.总结 (25) 8.任务分配 (26)
数据挖掘实验报告 1.绪论 1.1项目背景 在商业领域中使用计算机科学与技术是当今商业的发展方向，而数据挖掘是商业领域与计算机领域的乔梁。在超市的经营中,应用数据挖掘技术分析顾客的购买习惯和不同商品之间的关联，并借由陈列的手法,和合适的促销手段将商品有魅力的展现在顾客的眼前, 可以起到方便购买、节约空间、美化购物环境、激发顾客的购买欲等各种重要作用。 1.2提出问题 那么超市应该对哪些销售信息进行挖掘？怎样挖掘？具体说，超市如何运用OLAP操作和关联规则了解顾客购买习惯和商品之间的关联，正确的摆放商品位置以及如何运用促销手段对商品进行销售呢？如何判断一个顾客的销售水平并进行推荐呢？本次实验为解决这一问题提出了解决方案。 2.数据仓库与数据集市的概念介绍 2.1数据仓库介绍 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它并不是所谓的“大型数据库”。........ 2.2数据集市介绍 数据集市，也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。....... 3.数据仓库 3.1数据仓库的设计 3.1.1数据库的概念模型 3.1.2数据仓库的模型 数据仓库的模型主要包括数据仓库的星型模型图，我们创建了四个
数据挖掘实验三
实验三设计并构造AdventureWorks数据仓库实例 【实验要求】 在SQL Server 平台上，利用AdventureWorks数据库作为商业智能解决方案的数据源，设计并构造数据仓库，建立OLAP和数据挖掘模型，并以输出报表的形式满足决策支持的查询需求。 【实验内容】 步骤1：需求分析：以决策者的视角分析和设计数据仓库的需求； 步骤2：根据所设计的需求，确定本数据仓库的主题和主题与边界； 步骤3：设计并构造逻辑模型； 步骤4：进行数据转换和抽取，建立数据仓库：创建数据源，，建立OLAP和挖掘模型，使用多维数据集进行分析，建立数据挖掘结构和数据挖掘模型，创建报表。 【实验平台】 Win7操作系统，SQL Server 2005 【实验过程】 一、创建Analysis Services 项目 1.打开Business Intelligence Development Studio。 2.在“文件”菜单上，指向“新建”，然后选择“项目”。 3.确保已选中“模板”窗格中的“Analysis Services 项目”。 4.在“名称”框中，将新项目命名为AdventureWorks。 5. 单击“确定”。 二、创建数据库和数据源 1.运行AdventureWorks sql server 2005示例数据库.msi，然后用SQL Server Management Studio 附加数据库AdventureWorks_Data.mdf 。 (1)运行AdventureWorks sql server 2005示例数据库.msi
(2)用SQL Server Management Studio附加数据库AdventureWorks_Data.mdf
光学实验课程教学大纲
光学实验课程教学大纲 大纲制定时间：2008年9月 课程名称：光学实验课程负责人：陶纯匡 Optical Experiments 课程分类：基础课程课程类型：必修 适应专业：应用物理、物理学、电子信息科学与技术 课程总学时：48 课程总学分：1.5 实验学时： 48 实验学分：1.5 开课单位：物理学院 一．光学实验课的性质、目的和任务 光学是物理学的一个重要分支。光科学的发展离不开各门各类的光学实验，任何一个重要的光学分支都有着极雄厚的实验基础，光学实验是光科学发展的 发祥地与策动力。 光学实验课程是继力、热实验以及电磁学实验之后为物理类专业二年级学生（含理工综合班）开设的一门独立的基础课程，它在培养学生光学技术基本 功，如何使用光学仪器，光学系统研究光学现象与规律等方面起着重要作用。 在这一教学环节里，学生经过一定的光学测量和光电转换技术的基本训练后应具备光学实验的基本方法、技能和技巧，能够正确记录、处理数据，观察、分析实验现象，正确规范地撰写完整的实验报告，具备从事光科学及相关领域 工作的基本素质和能力。 二．教学内容及学时分配 序号实验项目实验内容学时实验类型备注 1 薄透镜焦距的测量及 成象规律验证 掌握共轴等高调节的基本方法及光束的准 直；薄透镜焦距的测量；成象规律验证。 3 基础实验 2 透镜象差的分析与测 量 认识透镜的各种象差及成因；掌握透镜象差 的测量方法。 3 基础实验 3 测定透镜组的基点了解共轴球面系统的性质，学会光学系统的 共轴调节；测定透镜组的基点及焦距；验证 单个透镜与透镜组基点间的关系。 3 基础实验 4 望远镜、显微镜的设 计及应用 了解望远镜、显微镜的结构及放大原理；测 定望远镜的放大率；掌握显微镜的正确使用 方法，学会用显微镜测量微小长度。 3 设计性 5 分光计的调节与玻璃 折射率的测定 了解分光计的构造及测量的基本原理；学会 分光计的调节方法；掌握分光计测角的方法 及测定玻璃三棱镜折射率。 3 基础实验
数据挖掘实验报告一
数据预处理 一、实验原理 预处理方法基本方法 1、数据清洗 去掉噪声和无关数据 2、数据集成 将多个数据源中的数据结合起来存放在一个一致的数据存储中 3、数据变换 把原始数据转换成为适合数据挖掘的形式 4、数据归约 主要方法包括:数据立方体聚集，维归约，数据压缩，数值归约，离散化和概念分层等二、实验目的 掌握数据预处理的基本方法。 三、实验内容 1、R语言初步认识（掌握R程序运行环境） 2、实验数据预处理。（掌握R语言中数据预处理的使用） 对给定的测试用例数据集，进行以下操作。 1）、加载程序，熟悉各按钮的功能。 2）、熟悉各函数的功能，运行程序，并对程序进行分析。 对餐饮销量数据进统计量分析，求销量数据均值、中位数、极差、标准差，变异系数和四分位数间距。 对餐饮企业菜品的盈利贡献度（即菜品盈利帕累托分析），画出帕累托图。 3）数据预处理 缺省值的处理：用均值替换、回归查补和多重查补对缺省值进行处理 对连续属性离散化：用等频、等宽等方法对数据进行离散化处理 四、实验步骤 1、R语言运行环境的安装配置和简单使用 （1）安装R语言 R语言下载安装包，然后进行默认安装，然后安装RStudio 工具（2）R语言控制台的使用 1.2.1查看帮助文档
1.2.2 安装软件包 1.2.3 进行简单的数据操作 （3）RStudio 简单使用 1.3.1 RStudio 中进行简单的数据处理 1.3.2 RStudio 中进行简单的数据处理
2、R语言中数据预处理 （1）加载程序，熟悉各按钮的功能。 （2）熟悉各函数的功能，运行程序，并对程序进行分析 2.2.1 销量中位数、极差、标准差，变异系数和四分位数间距。 , 2.2.2对餐饮企业菜品的盈利贡献度（即菜品盈利帕累托分析），画出帕累托图。
《应用化学实验Ⅰ》课程实验教学大纲
《应用化学实验Ⅰ》课程实验教学大纲 一、制定实验教学大纲的依据 根据本校《2004级本科指导培养计划》和应用化学教学基本要求而编写。 二、本实验课在专业人才培养中的地位和作用 《应用化学实验?》密切配合有机波谱分析和现代仪器分析的理论课，使学生在具有一定专业基础知识和技能的基础上，运用现代分析测试仪器，结合计算机知识进行各种试样组分的分离分析、成分测定、结构分析以及分析数据的计算机处理。 三、本实验课讲授的基本实验理论 本实验课程讲授电化学分析、高压液相色谱仪、气相色谱仪、原子吸收光谱仪以及紫外光谱仪、红外光谱仪等大型精密仪器的基本原理和基本操作方法；使学生掌握高压液相色谱、气相色谱分离混合物的基本操作与技能，掌握原子吸收光谱法测定金属元素的方法；掌握红外光谱仪、紫外光谱仪的制样技术和一般谱图的解析方法。 四、本实验课学生应达到的能力 1、掌握电位法测定离子浓度的基本原理和实验技术 2、掌握高压液相色谱、气相色谱分离混合物的基本操作与技能； 3、掌握原子吸收光谱法测定金属元素的方法； 4、了解紫外光谱仪、红外光谱仪的基本组成和构造，掌握制样技术和一般谱图的解析方法。 五、学时、教学文件 学时：本课程总学时为32学时，实验32学时。 教学文件：《应用化学实验指导书》，杜宝中编，校内印刷，2004 要求：学生实验前预习实验内容，并写出预习报告。指导教师应概述实验的原理、方法及设备使用等，具体实验步骤和实际数据处理由学生独立完成。 六、实验考核办法与成绩评定 实验成绩分平时成绩和考试成绩两部分，平时成绩占60%，考试成绩以最后的综述论文成绩记入总分，占实验成绩的40%。总成绩及格可获得学分，不及格者需重修。 七、仪器设备及注意事项 仪器设备：红外光谱仪、紫外光谱仪、原子吸收光谱仪、气和色谱、高效汇相色谱仪、PH/my 计。 注意事项：注意保护设备，严格按仪器使用规则操作，维持仪器的完好率。