型的模式22125使用什么技术进行数据挖掘13数据仓库与数据挖掘的联系实验2Weka数据读入和数据集成第2章认识数据21什么是数据2222数据类型23数据的基本统计描述24度量数据的相似性和相异性
2
多媒体教学结合上机操作
撰写关于课程认识的报告
二
9月12日
多媒体教学结合上机操作
三
9月19日
多媒体教学结合上机操作
四
9月26日
多媒体教学结合上机操作
出思考题
f实验3Weka的基本分析第3章数据预处理31为什么要预处理数据2232数据清理33数据集成和变换实验4Weka数据理解和数据准备第3章数据预处理34数据归约2235离散化和概念分层生成实验5Weka数据精简第4章关联分析：基本概念和算法41问题定义2242频繁项集的产生实验数据预处理案例分析讨论第4章关联分析：基本概念和算法42频繁项集的产生2243规则产生实验6Weka的关联分析－Apriori关联规则挖掘第4章关联分析：基本概念和算法44频繁项集的紧凑表示22课堂测验实验6Weka的关联分析－Apriori关联规则挖掘关联分析案例分析讨论第5章分类：基本概念、决策树与模型评估51预备知识2252解决分类问题的一般方法53决策树归纳
五10月10日
多媒体教学结合上机操作
出思考题
六10月17日
多媒体教学上机操作
七10月24日
多媒体教学结合上机操作案例讨论、汇报
八10月31日
多媒体教学结合上机操作
九11月7日
多媒体教学课堂测验上机操作案例讨论、汇报
出思考题
十
11月14日
多媒体教学结合上机操作
3
f实验7Weka的分类与预测－决策树分类预测模型第6章分类：其他技术53决策树归纳22课堂测验实验8Weka综合实验－信用评分风险构建第6章分类：其他技术61最近邻分类器2262贝叶斯分类器实验8Weka综合实验－信用评分风险构建第6章分类：其他技术63人工神经网络2264不平衡类问题实验9Weka的分类与预测－人工神经网络或贝叶斯网络分类预测模型分类案例分析讨论第7章聚类分析：基本概念和算法71聚类概述2272划分方法实验10Weka的聚类分析－kmea
s节点聚类分析第7章聚类分析：基本概念和算法73层次方法2274基于密度的方法实验11Weka综合实验－电信客户流失分析第7章聚类分析：基本概念和算法75基于原型的聚类方法22各章节内容总结与复习、答疑实验11Weka综合实验－电信客户流失分析64
4
十一11月21日
多媒体教学课堂测验结合上机操作
布置综合设计实验内容
十二11月28日
多媒体教学结合上机操作
十三1r