《金融数据挖掘》实验课程教学大纲

开课单位

合肥工业大学经济学院

课程类型

课程名称

金融数据挖掘课程实习

课程代码

1841133B

开课学期

第六学期

学时/学分

16

选课对象

金融工程系学生

先修课程

计量经济学、统计学等

实验课程指导书

Pang-Ning Tan, Michael Steinbach等著，范明、范宏建等译.数据挖掘导论.人民邮电出版社，2015

参考书目和资料

戴红等著.数据挖掘导论.清华大学出版社，2015

黄文，王正林编著，数据挖掘：R语言实战.电子工业出版社，2014

课程简介：数据挖掘作为当下大数据时代最关键的技术，其在金融领域的应用前景不可估量。金融数据挖掘课程设计是基于金融数据挖掘技术的实战演练，侧重使用具体的工具来进行数据挖掘，并进行数据分析。重点讲述Weka、Matlab、R等重要数据挖掘软件在分类、聚类、关联分析等经典数据挖掘算法中的使用，在引入大量金融数据的基础上，对挖掘结果进行充分分析和评估。

课程目标(Course Objectives, CO)

对应的专业培养目标(Learning Objectives, LO)

或实践能力标准(Practical Abilbiy, PA)

(CO1)掌握数据挖掘的基本知识

(PA2)计量经济学的理论与应用能力

(CO2)掌握数据挖掘的经典工具

(PA3)金融数据处理能力

(CO3)独立进行数据挖掘分析

(PA5)金融统计软件应用能力

教学方式(Pedagogical Methods,PM)

□PM1.讲授法教学

4学时25 %

□PM2.研讨式学习

学时%

□PM3.案例教学

学时%

□PM4.网络教学

学时%

□PM5.角色扮演教学

学时%

□PM6.体验学习

学时%

□PM7.自主学习

8学时50%

□PM8.演示教学

4学时25 %

评估方式(Evaluation Methods,EM)

□EM1.实验预习

%

□EM2.实验操作

40%

□EM3.提问及讨论

%

□EM4.实验报告

40%

□EM5.总结报告

%

□EM6.出勤率

20 %

□EM7.期末考试

%

□EM8.笔试

%

□EM9.口试

%

课次

学时

课程目标

实 验 教 学 主 要 内 容

教学方式

评估方式

实验

类别

1-2

3

CO1

CO2

实验一决策树分类算法

内容提要：决策树分类算法是数据挖掘分类问题中的基本经典算法，通过Weka\Matlab\R工具实现决策树算法，并通过对样本数据的分类过程，加深对该分类算法的理解和应用过程。

PM1

PM7

PM8

EM2

EM6

演示

2-3

3

CO2

CO3

实验二贝叶斯分类器

内容提要：基于贝叶斯的分类算法是数据挖掘在金融领域分类问题应用较多的算法，通过Weka\Matlab\R工具实现贝叶斯分类，并通过对样本数据的分类过程，加深对该分类算法的理解和应用过程。

PM1

PM7

PM8

EM2

EM6

演示

4-5

3

CO1

CO2

实验三K均值聚类算法

内容提要：K均值聚类算法是数据挖掘聚类问题中的基本经典算法，通过Weka\Matlab\R工具，利用K均值聚类算法对给定样本数据实现聚类过程。

PM1

PM7

PM8

EM2

演示

验证

5-6

3

CO2

CO3

实验四DBSCAN聚类算法

内容提要：掌握DBSCAN聚类算法原理，通过Weka\Matlab\R工具实现DBSCAN聚类，并探讨其与K均值聚类算法的区别。

PM1

PM7

PM8

EM2

EM6

演示

验证

7-8

4

CO1

CO2

CO3

实验五关联规则的获取

内容提要：掌握关联规则获取过程，运用Weka\Matlab\R工具对训练数据集进行关联信息获取。

PM1

PM7

PM8

EM2 EM6

演示验证

期末出具实验报告

EM4

学时合计16

姓名

操玮

电子邮箱

weicao@hfut.edu.cn

电话

15255193419

接待咨询地点

科教楼B座1306

接待咨询时间

每周三下午