数据挖掘与R语言教学大纲

数据挖掘与R语言教学大纲课程编号：10064025课程名称：数据挖掘与R语言/DataMiningandRLanguage学分:4学时：64（课内实验(践)：40上机：24课外实践：）建议修读学期：6一、课程性质、目的与任务数据挖掘与R语言是一门融理论性与应用性于一体的学科，是经管类专业的必修课，通过本课程的学习，使学生掌握R语言的特性与建模步骤，掌握数据挖掘的典型算法，并能够利用统计数据，建立相应的模型，并且能够利用R语言进行统计计算和画图。通过本课程的学习，使学生掌握回归、聚类和分类的典型算法。二、教学内容、基本要求及学时分配（按章节列出内容要求学时等，实验上机项目要列在课程内容一栏）课程内容教学要求重点（☆）难点（△）学时安排实验学时上机学时备注第一章数据科学与R语言4第一节数据科学C1第二节为什么用R语言A☆1第三节R扩展包B1第四节R编辑器和工作空间A☆△1第二章R语言的数据对象7第一节数据类型C1第二节向量入门、生成和计算A☆△1第三节矩阵A11第四节数组B11第五节因子A☆△11第六节列表和数据框A☆△11第七节缺失值和空值B1第三章R语言的数据操作9第一节向量化操作A☆11第二节取子集和编码转换A☆1第三节长宽格式互换B☆△11第四节数据的拆分和合并A△11第五节控制台的输入和输出B11第六节文本文件C11第七节表格型文件B11第八节其他外部文件（Stata、SAS和SPSS）C11第九节时间类数据的处理A11第四章R语言的控制语句与函数10第一节条件判断语句B1第二节循环语句B1第三节函数A☆△41第四节函数式编程A☆△42第五章统计模型与回归分析5第一节线性回归模型C11第二节模型诊断B1第三节非线性回归模型A☆△11第四节非参数回归和Logistic回归A☆△22第六章机器学习5第一节系统聚类C11第二节K均值聚类C11第三节贝叶斯分类A☆△11第四节神经网络分类A☆11第五节支持向量机分类A☆11（教学基本要求：A-熟练掌握；B-掌握；C-了解）三、建议实验（上机）项目及学时分配课内实验(践)：40上机：24四、教学方法与教学手段课堂讲授、案例讨论、资料阅读等方式进行，适当安排课后上机实习操作，教学中采用多媒体辅助课堂教学方式。五、考核方式与成绩评定标准闭卷考试，平时30%，期末70%六、教材与主要参考书目[1]Torgo.L(葡),李洪成等译.数据挖掘与R语言[M].北京：机械工业出版社，2013.（教材）[2]李舰,肖凯.数据科学中的R语言[M].西安：西安交通大学出版社，2015.[3]方匡南,朱建平,姜叶飞.R数据分析方法与案例详解[M].北京：电子工业出版社，2015.[4]薛毅,陈立萍.统计建模与R语言[M].北京：清华大学出版社，2007.[5]卡巴科弗(RobertI.Kabacoff).R语言实战(第2版)[M].北京：人民邮电出版社，2016.[6]阿德勒(JosephAdler).R语言核心技术手册(第2版)[M].北京：电子工业出版社，2014.[7]德利·威克姆.ggplot2:数据分析与图形艺术[M].西安：西安交通大学出版社，2013.[8]麦特洛夫(NormanMatloff).R语言编程艺术[M].北京：机械工业出版社，2013.七、大纲编写的依据与说明参考高等教育出版社《工科本科基础课程教学基本要求》及我校商学院在教育部“新世纪高等教育教