本科教学中的数据挖掘与分析知识点结构分析

陈国彬

摘 要：数据挖掘与分析是近几年本科专业中，成为新工科的强势专业。能够引导很多专业建设与之交叉应用，具有很大的发展空间和应用前景。在本科教学中，数据挖掘与分析知识体系结构与人才培养的目标要一致，特别是面向企业中应用，能够适应企业的用人需求。这样才能培养出适应新工科的学生培养目标，实现对现代企业的人才需求高度吻合。

关键词：数据挖掘与分析;新工科;交叉应用;本科教学

1、引言

随着国家人才政策调整和国家经济发展转型，对生产技术提出更高的要求。人才培养是大学教育的重要环节，能够培养出适应我国现阶段的人才是实现我国家经济发展的重要保障。然而现阶段本科高等学校对数据挖掘与分析课程体系建设不足，存在知识点过旧，传统的体系结构已经不适应现在科学等问题。要对数据挖掘与分析课程进行相关改革和应用，文献[1]从培养数据意识、加强理论体系、创新教学方法和深入科学研究等4个方面来探索如何设计高校数据挖掘课程，以解决大数据时代背景下数据挖掘课程因抽象而带来的问题;文献[2]针对大数据的特点，以构建课程核心知识体系为主题，采用案例教学法，改革传统的教学评价方式，理论结合实践进行研究生数据挖掘课程教学创新尝试，教学达到了预期效果，受到学生好评;文献[3]结合大数据的特点，对大数据时代数据存储与挖掘算法的教学改革进行分析，对后续研究提供了参考;文献[4]对数据挖掘课程的特点和应用领域、数据预处理方法和关键的四项技术、Web 挖掘与个性化推荐以及算法实现及应用上做了分析，对应用型本科生开设数据挖掘课程做了尝试;文献[5]提出通过建设开放数据挖掘实践教学资源库来提升教学效果。

2、课程体系存在的问题

2.1 知识点过旧

很多知识都是对传统的一些基本算法和结构进行讲解，知识点基本是采用10年左右知识点，从理论创新性来讲已经失去了价值。从课程体系上分析，课程采用的知识结构大概如下：认识数据、数据预处理、数据仓库、挖掘频繁模式、关联和相关性、分类与预测、聚类分析、离群点检测等知识点。这些知识点采用很强的理论方法与形式化方法进行理论推导与证明。

2.2 课程体系结构存在的问题

传统课程体系上采用不同知识的融于整课程教学体系，而后面几个章节中，例如：分类与预测、聚类分析等两个知识讲解中，会使很多同学感觉到在大量的数据面前，不知道如何运用这些知识点进行运用。课程体系上存在不足，对运用知识点不能够正确的应用。要能课程体系进行统一规划，能够把知识一环扣一环地进行讲解。从同一个数据采用不同方法得到不同结果，来分析这些理论的真正意义。

2.3 实践性不强

这些知识点都是注重理论上讲解，从公式推导一步一步实现最终的结果。然而，如何采用计算机能够操作语言来进行运用，存在较大的差异，采用什么语言和算法对结果都存在差异。对于课程中基本无可操作性代码，对实现过程不注重算法实现。

2.4 課程与其它课程交叉应用不足

数据挖掘与分析一般是针对其它领域中的应用研究，一般能够服务其它行业。它实际是一个实践工具，对其它课程或专业进行有效地结合，能够起解决其它专业的很多实际应用问题。然而，课程体系中并没有用足够的章节来对专业交叉应用进行讲解，而是一直讲知识点本身的理论来源与证明过程。

3 数据挖掘课程体系几点建议

3.1 知识进行实时更新

数据挖掘知识除了对分类与预测、聚类分析、关联和相关性等知识讲解外，能够注重数据处理过程。在不同教学过程中，对教学内容注重实践性和现在主流技术讲解。对其它知识点要进行补充：回归分析、数据挖掘工具、知识发现过程、中文文本挖掘、Web挖掘等知识点进行学习。

3.2 运用语言进行实践

数据挖掘课程是理论和实践性都比较强的课程，能够运用计算机语言实现各类数据算法进行实现。目前比较理想的语言Python，能够提供各种算法的包，不断更新和下载等服务。

3.3 教学实践内容增强

对于课程中存在大量的理论知识点，很多都没有通过实践形式来实现知识点的应用价值，为了能够实现应用于本科教学中实践内容，本论文提出对以下知识点内容进行实践教学，其内容如下表所示：

知识点 实践内容

分类 ID3判断性别、神经网络实现判断葡萄酒伪劣品，基于分类技术对某零售商产品精准广告投放营销，采用朴素贝叶斯分类模型和KNN分类模型、决策树分类、神经网络分类几种分类算法在同一组数据进行实现，分别体会差异性。

回归分析 多元线性回归实践、逻辑回归模型实践、基于线性回归技术预测某社区新客户的热燃油用量、基于逻辑回归技术预测心脏病二次发作率。

聚类分析 k-means实践，基于聚类分析方法的患冠心病率状况实践。

文本挖掘 中文文本挖掘实践、基于文本挖掘技术对垃圾短信、邮件精准检测、基于协同过滤算法的电影推荐。

上述知识点的实践，都是对算法设计和程序设计要求比较高，通过这种实践教学，能够大大提高学生实践应用能力和技术水平。

4 结论

本科教学中，在数据挖掘与分析课程建设中存在很多问题，通过相关问题的深入解读和调整，能够把学生的实践应用能力提高，再是解决学生与企业之间的障碍。让整个课程体系得到一个正常地发展，也能面向现代技术进步带来的挑战。

参考文献

[1] 李海林. 大数据环境下的数据挖掘课程教学探索[J]. 计算机时代， 2014（2）： 54-55.

[2] 张艳. 大数据背景下的数据挖掘课程教学新思考[J]. 计算机时代， 2014（4）： 59-61.

[3] 黄艳梅. 大数据存储与挖掘算法的教学改革分析[J]. 电脑迷， 2016（11）： 69-69.

[4] 徐金宝. 对应用型本科生开设数据挖掘课程的尝试[J]. 计算机教育; 2007（14）： 27-29.

[5] 黄岚. 数据挖掘课程实践教学资源库建设[J]. 计算机教育， 2014（12）： 89-92.