中国教育在线
中国教育在线
浙江财经大学2024年研究生初试自命题科目《数据挖掘综合》考试大纲
2023-10-12
浙江财经大学


25考研冲刺季!点击此处查看报名冲刺全攻略>>

《数据挖掘综合》考试大纲

  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 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。

  二、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。

免责声明:

① 凡本站注明“稿件来源:中国教育在线”的所有文字、图片和音视频稿件,版权均属本网所有,任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本站协议授权的媒体、网站,在下载使用时必须注明“稿件来源:中国教育在线”,违者本站将依法追究责任。

② 本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。

中职院校
选学校
搜学校
查学校
选专业
搜专业
开设院校
院校排行榜
高校排行
专业排行
相关新闻