《金融数据挖掘》实验指导书.docx
文本预览下载声明
显示全部
文档详情
相似文档
-
数据仓库与数据挖掘实验指导书.pdf
实验一、DTS的使用
一、实验目的:
1、了解MSSQLServer2000的安装，熟悉MSSQLServer2000数据库的使
用环境
2、理解数据库和数据仓库的关系，为数据仓库建立数据库
3、熟练使用MSSQLServer2000的DTS,能将各种数据源的数据按照数
据仓库设计的要求导入到数据仓库
二、实验内容：
1、熟悉MSSQLServer2000数据库和表的基本操作。
2、为数据仓库
-
数据仓库与数据挖掘实验指导书.doc
《数据仓库与数据挖掘》
试验指导书
序言
数据仓库与数据挖掘技术课程在计算机数据管理、维护中有着相称重要旳作用。数据仓库系统在企业信息管理系统中应用非常广泛，数据挖掘技术对数据仓库旳管理及维护、完善数据仓库、发挥数据仓库旳作用有着非常大旳作用。
本课程重要内容为：数据仓库旳概念与体系构造，数据仓库数据处理过程，数据仓库系统旳设计与开发，多种数据挖掘技术（关联规则，数据分类，数据类聚，贝叶斯网络，粗糙集，神经网络，遗传算法，记录分析，文本与Web挖掘）及其应用。
本课程既有理论也有实践，实践环节重要是基于SQLServer2023示例数据仓库环境下进行多种数据挖掘技术旳试验。
为使学生能在SQL
-
数据仓库及数据挖掘实验指导书.doc
潘怡 编著
《数据仓库与数据挖掘》
课程实验指导书
长 沙 学 院 计 算 机 科 学 与 技 术 系
2009年9月 前 言
本书是《数据仓库与数据挖掘》课程及《数据分析与挖掘》的实验指导书。全书分为三个部分，第一部分为实验内容对每个实验的实验目的、实验类型、实验学时、实验原理及知识点、实验环境（硬件环境、软件环境）和实验内容及步骤进行简单介绍，第二部分为实验指导对每个实验的实验方法，实验步骤及补充的实验知识进行详细介绍，第三部分为实验报告。
本实践课程主要介绍数据仓库的工作机理及其构建过程，。要求学生熟练使用数据库管理系统MS SQL Server
-
数据挖掘与数据仓库实验指导书(WEKA).pdf
《数据挖掘与数据仓库》
实验指导书
湖北工业大学计
-
《数据仓库与数据挖掘》实验指导书 .doc
《》实验指导书
（适用于专业）
前 言 1
SPSS Clementine 软件功能演练 5
SPSS Clementine 数据可视化 9
C5.0 建模 10
21
/异常检测/神经网络 29
(CRT) 40
Logistic 回归 50
56
5405190
12
是一门理论和实践相结合的课程它在整个中处于地位是计算机科学的算法理论基础和主要算法设计和的能力，加深对数据算法的理解。
-
数据仓库与数据挖掘实验指导书 .doc
《数据仓库与数据挖掘》实验指导书
（适用于信息系统与信息管理专业）
目 录
TOC \o 1-1 \h \z \u HYPERLINK \l _Toc259045080 前 言 PAGEREF _Toc259045080 \h 1
HYPERLINK \l _Toc259045081 实验一、SPSS Clementine 软件功能演练 PAGEREF _Toc259045081 \h 5
HYPERLINK \
-
《基于Python语的网络数据挖掘》实验指导书2014.doc
《基于Python语言的网络数据挖掘》实验指导书
电子科技大学信息与软件工程学院
二○一四年6月
实验教学目的和要求：
实验目的：
本课程实验旨在加深学生对于网络大数据挖掘的理解，培养学生分析、设计、实现基于Python语言的网络数据挖掘算法，掌握科学的实验方法，为以后其他专业课的学习打下坚实的基础。该实验内容采用循序渐进的方式，从Python语言的基本语法入手，在加深学生对于Python语言熟悉的基础上突出数据挖掘应用。实验提供功能要求，学生自己确定设计方案和需要思考如何设计最优化的算法，并完成结果记录和分析，充分发挥学生的创造性和主动性。
实验要求
-
数据挖掘实验指导.doc
实验五、数据挖掘
实验目的：
采用SQL Server 2005的数据挖掘工具，熟悉数据挖掘的关联、分类等分析方法
实验内容：
结合教材的数据挖掘知识，打开SQL Server 2005的数据挖掘教程，按教程步骤完成全部内容，约6学时，第1课1学时，第2课3学时，第3-5课2学时。
实验要求：
每次实验课结束前5分钟关闭SQL Server Business Intelligence Development Studio和SQL Server Management Studio，将项目文件夹拷贝到U盘或压缩后发到自己邮箱保存起来，以便下次实验课可以继续往下做。
每次实验课开始时先使用SQL S
-
大数据挖掘与应用作业指导书.doc
大数据挖掘与应用作业指导书
TOC\o1-2\h\u32657第1章大数据挖掘基础理论 3
48391.1大数据概述 3
124381.1.1大数据的来源 4
323521.1.2大数据的特点 4
221881.2数据挖掘基本概念 4
97921.2.1数据挖掘的定义 4
55851.2.2数据挖掘的分类 4
136031.3常见数据挖掘任务 4
128711.3.1关联规则挖掘 4
312321.3.2分类和预测 5
133381.3.3聚类分析 5
97111.3.4异常检测 5
13367第2章数据预处理 5
208602.1数据清洗 5
17962.2数据集成 5
197992.3数据
-
数据挖掘与利用作业指导书.doc
数据挖掘与利用作业指导书
TOC\o1-2\h\u22641第一章数据挖掘基础理论 2
54441.1数据挖掘概述 3
240331.2数据挖掘任务与流程 3
182331.2.1数据挖掘任务 3
164661.2.2数据挖掘流程 3
311281.3数据挖掘常用算法 4
21576第二章数据预处理 4
51542.1数据清洗 4
313662.2数据集成 5
216182.3数据变换 5
252392.4数据归一化与标准化 5
23258第三章数据挖掘算法 6
262913.1决策树算法 6
38903.1.1特征选择 6
296353.1.2剪枝策略 6
95543.2支持向量机算法 6
-
数据仓库与数据挖掘实验指导书--王浩畅.doc
数据仓库与数据挖掘
实
验
指
导
书
东北石油大学计算机与信息技术系
王浩畅
实验一 Weka实验环境初探
一、实验名称:
Weka实验环境初探
二、实验目的：
通过一个已有的数据集，在weka环境下，测试常用数据挖掘算法，熟悉Weka环境。
三、实验要求
熟悉weka的应用环境。
了解数据挖掘常用算法。
在weka环境下，测试常用数据挖掘算法。
四、实验平台
新西兰怀卡托大学研制的Weka系统
五、实验数据
Weka安装目录下data文件夹中的数据集weather.nominal.arff，weather.arff
六、实验方法和步骤
-
数据挖掘实验指导讲解.docx
数据仓库与数据挖掘技术
实验指导
刘小明
实验1. Matlab基础实践
实验目的
熟悉matlab的基本用法
实验内容
1. 编写一个函数，计算给定半径的圆的周长与面积。函数名为fcircle。
2. matlab绘图，在[0，2π]区间内，绘制曲线
3. 熟悉课件中matlab一维和2维数组，数组下标、字符串等相关内容。
实验二 聚类算法实验指导
实验目的
聚类分析是数据分析中的一种重要技术，它的应用极为广泛。许多领域中都会涉及聚类分析方法的应用与研究工作，如数据挖掘、统计学、机器学习、模式识别、生物学、空间数据库技术、电子商务等。
用Matlab 7实现聚类基本算法. 掌握聚类
-
《数据仓库与数据挖掘》指导书.doc
《数据仓库与数据挖掘设计》
指导书
自编
东华理工大学
数据仓库与数据挖掘课程组
目 录
实验一：数据仓库的环境配置与构建实验
实验二：数据仓库的OLAP技术实验
实验三：数据挖掘方法实践实验
实验一、数据仓库的环境配置与构建实验
实验目的：
1）了解数据挖掘与商务智能之间的联系与区别；
2）分析数据挖掘仓库的特性和构架；
3）掌握数据挖掘的功能和建模的标准CRISP-DM。
4）掌握MSS的分析服务、报表服务和整合服务，并能够用以解决实际问题。
实验结果分析与要求：
完成实验目的中的内容
-
数据挖掘与数据分析作业指导书.pdf
数据挖掘与数据分析作业指导书
第一章数据挖掘基础3
1.1数据挖掘概述3
1.2数据挖掘过程3
1.3数据挖掘任务与算法3
第二章数据预处理4
2.1数据清洗4
2.2数据集成4
2.3数据转换5
2.4数据归一化与标准化5
第三章数据挖掘算法5
3.1决策树算法5
3.1.1ID3算法5
3.1.2C4.5算法6
3.1.3CART算法6
3.2支持向量机算法6
3.2.1线性支持向量机6
3.2.2非线性支持向量机6
3.3人工神经网络算法6
3.3.1前向传播算法6
3.3.2反向传播算法6
3.4集成学习算法7
3.4.1投票法7
3.4.2装袋法7
3.4.3提升法7
第四章关联规则
-
数据挖掘与大数据分析作业指导书.doc
数据挖掘与大数据分析作业指导书
TOC\o1-2\h\u14654第一章数据挖掘基础 2
69731.1数据挖掘概述 3
245101.2数据挖掘任务与类型 3
244961.2.1数据挖掘任务 3
42681.2.2数据挖掘类型 3
121381.3数据挖掘方法与技术 3
86671.3.1统计方法 3
76401.3.2机器学习方法 4
18931.3.3深度学习方法 4
276201.3.4关联规则挖掘方法 4
281281.3.5时序分析方法 4
247551.3.6数据可视化技术 4
18516第二章大数据分析概述 4
45672.1大数据概念与特征 4
128092.2大数据分析框