研晟考研，专注清华北大等985/211名校考研辅导，拥有完善的服务团队，专属定制化的考研备考规划，力争实现每位学子的考研梦、名校梦。

　　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，数据挖囫概述

　　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，掌掘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(最小一最大规范化、x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、抽样等数据归的方法。

　　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(LAP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);了解具型的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。了解多推数据挖掘的重要性。

　　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-grosth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，了解决策树归纳分类的主要步骤，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

　　4.了解-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:JiaweiHan(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.