《数据挖掘综合》考试大纲
第一部分：考试内容及要求
数据挖掘概述
考试内容
数据挖掘的概念 数据挖掘的任务 数据挖掘应用 数据挖掘的主要问题
考试要求
1.了解数据库系统技术的演变过程;理解数据挖掘的概念;掌握知识发现过程的7个步骤。
2.掌握数据挖掘要解决的问题;掌握数据挖掘功能和模式;理解数据挖掘与统计学、机器学习的联系和区别;了解数据挖掘的起源;掌握数据挖掘的任务。
数据
考试内容
数据类型 数据质量 数据预处理 相似性和相异性度量
考试要求
1.了解数据对象与属性类型。
2.了解进行数据预处理的原因及其重要性;了解数据质量涉及的因素;掌握数据预处理的主要步骤。
4.了解数据清理的概念;了解处理数据缺失值的方法;了解处理噪音数据的方法。
5.理解数据预处理中的聚集、抽样、特征子集选择以及离散化和二元化等方法。
8.理解数据对象之间相似度;数据对象之间的相异度。
三. 分类和预测
考试内容
数据分类和预测的概念 判定树归类算法 信息增益 树剪枝 回归分析 分类法的准确性 组合分类器 类不平衡问题
考试要求
1.理解数据分类的概念;了解分类的两个过程;理解监督学习和非监督学习的区别;了解分类和预测的数据预处理方法;掌握评估分类和预测方法的标准。
2.了解决策树的概念和优缺点;了解决策树归分类的主要步骤;了解常用的属性选择度量，掌握信息增益度量的求法;理解两种常用的树剪枝方法。
3、掌握神经网络的分类与构造原理
4、熟练掌握单层感知机原理与学习算法
5、掌握BP算法原理与学习过程
6.了解评估分类器性能的度量;了解评估分类和预测准确率的方法(混淆矩阵、灵敏度和特小型、F度量)。
7、掌握Boosting算法的基本思想。
8、熟练掌握支持向量机SVM分类建模原理和计算方法。
9.了解组合分类器的概念和常用的组合分类方法;了解装袋和提升的基本思想以及两者的区别;了解随机森林的基本思想。
10.了解类不平衡问题的概念;了解提高类不平衡数据分类准确率的一般方法。
四. 挖掘频繁模式、关联和相关性
考试内容
频繁项集概念 频繁项集挖掘方法 Apriori算法 FP-growth算法
考试要求
1.理解项集、闭项集、频繁项集和关联规则的概念 ;了解规则兴趣度的两种度量(支持度和置信度)。
2.了解关联规则挖掘的步骤。
3.了解Apriori算法的步骤;了解FP-growth算法的步骤和优缺点;掌握相关性度量提升度(lift)的计算方法。
五. 聚类分析
考试内容
聚类分析的概念 聚类方法的分类 算法方法的距离度量 划分方法 层次方法 基于密度的方法 基于网格的方法 聚类评估
考试要求
1.理解聚类分析的概念;了解聚类分析的应用领域;了解比较聚类方法的标准;了解数据挖掘对聚类的典型要求;了解比较聚类方法的各个方面。
2.理解划分方法的概念和一般特点，以及典型算法;理解层次方法的概念和一般特点，以及典型算法;理解基于密度的聚类方法的概念和一般特点，以及典型算法;理解基于网格的聚类方法的概念和一般特点，以及典型算法;
3.理解K-均值算法的步骤和优缺点;
4.了解算法方法的距离度量。
5.了解聚类评估概念和主要任务;了解测定聚类质量的方法。
第二部分：考试方法和考试时间
数据挖掘导论考试采用闭卷、笔试形式，考试时间为180分钟。
第三部分：试卷结构及参考书目
(一)题分：试卷满分为150分
(二)题型比例：
选择题与判断题 约30%
简答题和计算题 约70%
(三)参考书目：
《数据挖掘导论》，(美)陈封能，(美)斯坦巴赫，(美)库玛尔，人民邮电出版社，2010年。
