数据挖掘
基本信息
课程名称：数据挖掘
课程介绍：本课程旨在教授如何从海量且有噪声的数据中，利用算法自动提取隐含的、潜在有用的信息与知识
课程画像：
- 课程类型：选修（保研必修）
- 学分：2 学分
- 考核方式：平时作业 · 期末考试
课程资料区
课程教材：
- 《数据挖掘：原理与应用》，丁兆云，周鋆，杜振国 编著，机械工业出版社，2022
课程资料库（往年课件）：repo
经验分享区
课程定位评价：课程大部分内容在 机器学习导论 课程中有所涉及，整体课程难度不是很高
作业反馈：
作业参考(2025秋学期):
课程作业多依托 Kaggle 平台，在网上也有很多不同的解法和优化的思路，建议自己做完后可以进行参考学习，但不要机械化照抄。
- 贝叶斯分类编程实践（slide 分类-Naive Bayes）
- 泰坦尼克号幸存者预测（slide 神经网络分类器）
- 欧图集团产品分类（slide 集成学习）
考试情报：
- 2025秋学期的期末考试题型为：单选 + 判断 + 解答
- 考点分析：复习ppt上的内容都是考试重点
- 备注：期末考试允许携带无通信功能的计算器（要能够熟练使用）
高分策略：
- 考前要把ppt都过一遍，熟练掌握重要知识点
- 考前把书后的试题都刷一刷，考试卷中会出现一些教材的原题（Tip：找到的参考答案可能有不少问题，建议讨论斟酌一下）