数据挖掘
课程大纲
- 导论：讲述本课程在课程体系中的重要性、本课程架构、教材资料，以及课程基本要求。数据挖掘基本概念、工具、方法与标准流程
- 数据清洗：跨行业数据挖掘标准流程/降维、集成、转换与规约
- 数据挖掘标准流程与模型
- 处理缺失数据高级方法与案例展示
- 聚类与异常值探测模型与案例展示
- 决策树模型的理论模型与算法解析
- 决策树模型金融公司客户贷款信用评估案例展示
- 关联规则的理论模型解析与超市产品销售案例展示
- 主成分分析的理论模型解析与证券市场产品归类案例展示
- 因子分析的理论模型解析与证券市场产品归类案例展示
- 逻辑回归多元计量模型与商业银行产品交叉销售案例展示
- 神经网络预测模型解析与促销活动客户响应案例展示
- 社会网络聚类模型解析与基金组合最优配置案例展示
- 结构化方程模型解析：探索性因子分析与验证性因子分析
- 结构化方程案例展示：证券市场内幕交易的行为动机分析
- 计算实验金融模型解析与算法交易行为与市场影响案例展示
- 大作业汇报：根据所学数据挖掘模型与方法，针对给出的理论与现实问题，进行建模、编程、撰写Word版报告。
任课老师
刘海飞老师
考核方式
虽然课件里说有期中考试，但是2025年实际没有考试，只有最后的期末大作业（具体作业要求见资料包）。
期末大作业实际与上课讲的内容关联不大，即使从开学直接穿越到期末也可以完成作业。
给分比较宽松。