西南财经大学《数据挖掘综合》2023年硕士研究生招生考试大纲

　　西南财经大学招收硕士生考试说明及考试大纲

　　适用专业：大数据管理

　　考试科目：《数据挖掘综合》

　　第一部分：考试内容及要求

　　一. 数据挖掘概述

　　考试内容

　　数据挖掘的概念 知识发现过程 数据挖掘数据类型 数据挖掘功能和模式 数据挖掘可利用的技术 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.掌握数据挖掘的数据类型;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;了解数据挖掘的应用领域;了解数据挖掘的主要问题。

　　二. 数据预处理

　　考试内容

　　数据属性 数据基本描述统计 数据预处理概述 数据质量 数据预处理的主要步骤 数据清理 数据集成 数据变换 数据规约 数据离散化

　　考试要求

　　1.了解数据对象与属性类型。

　　2.理解数据的基本统计描述，掌握均值、中位数、众数、极差、四分位数、方差、标准差和四分位数极差的概念和计算方法;了解数据基本统计描述的图形显示;了解度量数据的相似性和相异性。

　　3.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.理解数据集成的概念;掌握冗余和相关性分析的方法(

　　检验，Pearson积矩系数)。

　　6.了解数据变换的策略;掌握数据规范化的计算方法(最小-最大规范化、z分数规范化、按小数定标规范化)。

　　7.理解数据归约的概念;了解数据归约的策略;了解线性回归、对数线性模型、直方图、聚类、抽样等数据归约方法。

　　8.理解数据离散化和概念分层的概念;了解数据离散化的方法(分箱、直方图分析、聚类分析、相关分析)。

　　三.数据仓库和联机分析处理

　　考试内容

　　数据仓库基本概念 OLTP和OLAP 数据立方体 数据仓库的数据模型 概念分层 典型的OLAP操作 数据仓库的设计 数据仓库的实现 数据仓库和数据挖掘

　　考试要求

　　1.理解数据仓库的概念和关键特征;了解OLTP和OLAP的概念和主要区别。

　　2.了解数据仓库模型的种类;了解元数据库的概念以及与其他数据的区别。

　　3.理解数据立方体的概念;了解数据仓库的数据模型(星型模式、雪花模式、事实星座模式);了解典型的OLAP操作方法。

　　4.了解数据仓库设计的四种视图, 了解数据仓库的设计过程和步骤;了解OLAP查询处理的步骤。

　　5.了解三类数据仓库应用;了解多维数据挖掘的重要性。

　　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. 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.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)。

　　4.了解K-折交叉验证和自助法的基本思想;了解ROC曲线的概念和特点。

　　5.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。

　　6.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。

　　六. 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

　　数据挖掘综合考试采用闭卷、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40%

　　简答题和计算题 约60%

　　(三)参考书目：

　　1. 《数据挖掘 概念与技术》(原书第3版)，作者：Jiawei Han(韩家炜)，出版社：机械工业出版社。

　　2. 《机器学习》，周志华著，清华大学出版社，2016。

　　3. 《统计学习方法》，李航著，清华大学出版社，2012。