课程名称（中文／英文）：数据挖掘/Data Mining
课程代码： 课程类型：专业主干课
课程性质：必修课 设置类别：非独立设课
课程总学时：64 课程总学分：4学分
实验学时： 16 实验学分：
适用专业：大数据 开实验学期：
一、实验教学的目的与基本要求
《数据挖掘》是一门实践性较强的课程。上机实验是学习和掌握本课程的重要环节。要学好本课程，除应掌握必要的基础知识之外，还应通过上机实验，将课堂所学理论知识与实际应用结合起来，熟练掌握数据分析和数据挖掘技术。
二、实验项目与主要内容
|
编号 |
实验内容 |
课时 |
实验类型 |
完成情况 |
|
1 |
Python数据预处理 |
2 |
必修 |
实验报告 |
|
2 |
线性回归分析 |
2 |
必修 |
实验报告 |
|
3 |
逻辑回归分析 |
2 |
必修 |
实验报告 |
|
4 |
关联分析 |
2 |
必修 |
实验报告 |
|
5 |
分类分析 |
2 |
必修 |
实验报告 |
|
6 |
文本分类分析 |
2 |
必修 |
实验报告 |
|
7 |
聚类分析 |
2 |
必修 |
实验报告 |
|
8 |
据挖掘综合案例分析 |
2 |
必修 |
实验报告 |
三、实验要求
要求学生在实验中认真操作，实验报告独立完成，字迹工整，实验步骤清晰，数据处理及计算正确，并能对实验进行分析和总结。
四、实验主要仪器设备
计算机等。
五、考核方式及成绩评定标准
1.实验考核内容：
（1）实验课出勤情况，必选实验课学生必须参加实验。
（2）积极主动认真做实验。
（3）实验方案过程结果要正确。
2.成绩评定标准：
优秀：实验中认真操作，实验报告独立完成，字迹工整，实验步骤清晰，数据处理及计算正确，有实验分析和总结（特别是总结出实验中出现的问题及解决的方法等）；对实验过程自己设计的 ，实验步骤自己编写的，只要无根本性错误。
良好：实验中认真操作，实验报告独立完成，字迹工整，实验步骤清晰，数据处理及计算无根本错误。
中等：实验中认真操作，实验报告独立完成，实验步骤清晰，数据处理及计算无根本错误。
及格：实验中基本能认真操作，实验报告按标准格式独立完成，数据处理及计算无根本错误。
不及格：实验中不认真操作，实验报告不完成，抄袭实验报告，字迹潦草，数据处理及计算错误等。
六、实验教材与主要参考资料
1．王新宇. Python机器学习开发实战. 北京 人民邮电出版社.2021.6
2．Pang-Ning Tan. 数据挖掘导论. 北京: 人民邮电出版社. 2015.8