《医学数据挖掘与实践》实验大纲
《医学数据挖掘与实践》实验大纲
课程编号:BZ0901009
课程性质:专业课
课程类别:必修课
实验学时: 32
适用专业:信息管理与信息系统专业
开课单位、教研室:信息系统与信息管理教研室
实验项目总数:7,设计性实验项目数:7
实验目的与要求
1. 思政元素:通过学习医学数据挖掘培养学生信息管理的思维,掌握数据处理与分析知识,有利于专业的知识储备,从而激发学生学习数据分析的积极性,服务于管理科学的专业人才,为管理科学奠定人才基础。通过学习数据的处理与分析,培养严谨的工作态度和工作作风,提升专业技能。
2. 进一步巩固和加深数据挖掘基本知识的理解,提高运用所学知识,建立、管理和分析医学数据的能力。
3.能根据需要选学参考书,查阅相关的工具,通过独立思考,深入钻研有关问题,学会自己独立分析问题、解决问题,具有一定的创新能力。
4.能正确处理数据,选择数据挖掘工具的开发平台和相关的软件解决实践问题。
5.能独立撰写实验报告,准确分析实验结果,总结有关的问题,提出相关的建议。
实验教材:自编教材
实验教学目标和内容
实验一 R与Rstudio安装与基本操作
【教学目标】
知识目标:了解R 和RStudio的编程环境
能力目标:能够利用编程环境编写程序
素质目标:培养学生对数据分析和挖掘的兴趣。
【实验内容】
熟悉RStudio编程环境,说明具体处理步骤。
实验二 R数据结构和可视化
【教学目标】
知识目标: 1.掌握R中基本数据结构,数据的读取;2.掌握数据的基本描述与质量探索,3.熟悉R语言的简单绘图函数和高级绘图包ggplot.根据数据绘制简单线图,直方图等。4.熟练运用ggplot包绘图
能力目标: 数据的基本探索,对不同数据类型进行基本数据探索分析能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
数据结构和数据探索,R可视化
实验三 数据预处理
【教学目标】
知识目标:1.掌握dplyr解决大部分数据处理问题2.掌握tidyr 清理数据3.使用readr读入表格数据4.熟练应用ggplot2可视化数据法。
能力目标:学生对数据进行预处理的能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
dplyr,tidyr ,readr ggplot2可视化数据。
实验四 k-近邻
【教学目标】
知识目标:1.掌握kNN算法原理;2.在r中的knn函数使用
能力目标:对数据进行预测分类能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
Knn算法在r中实现。
实验五 决策树和随机森林
【教学目标】
知识目标:掌握决策树和随机森林的算法原理。
能力目标:锻炼分析问题、解决问题并动手实践的能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
决策树和随机森林在r中实现。
实验六 Kmeans聚类
【教学目标】
知识目标:1.熟悉R语言的相关对象与函数的用法 2.掌握利用R进行聚类分析的基本步骤
能力目标:锻炼分析问题、解决问题并动手实践的能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
Kmeans在R中实现。
实验七 关联规则分析
【教学目标】
知识目标:1.理解关联规则挖掘原理2.掌握Apriori算法3.用 R 实现基本的关联分析
能力目标:锻炼分析问题、解决问题并动手实践的能力。
素质目标:培养学生的信息社会科学素养和社会责任感,能够在实践中理解并遵守职业道德和规范,履行责任。
【实验内容】
apriori在R中实现。
实验主要仪器设备试剂
计算机每个学生一台,安装有R和Rstudio软件
实验考核方式
形成性评价成绩占60%,期末考试成绩占40%。
1.考核方式:实验操作考核,布置任务要求学生上机操作,根据操作结果评定期末考试成绩。
2.评价方法:形成性评价成绩包括考勤(6分)、分组学习结果(14)、课堂考核(30)、课堂设计(40分)、老师评价(10分)、提问(加分)等,根据质量作为形成性评价成绩计入学期总评。
实验项目汇总及课时分配
序号 | 实验项目名称 | 计划学时 | 实验类型 | 每组人数 | 项目 类别 | |||
验证性 | 综合性 | 设计性 |
| 必做 | 选做 | |||
1 | R与Rstudio安装与基本操作 | 2 |
|
| √ | 1 | √ |
|
2 | R数据结构和可视化 | 4 |
|
| √ | 1 | √ |
|
3 | 数据预处理 | 6 |
|
| √ | 1 | √ |
|
4 | k-近邻 | 4 |
|
| √ | 1 | √ |
|
5 | 决策树和随机森林 | 6 |
|
| √ | 1 | √ |
|
6 | Kmeans聚类 | 4 |
|
| √ |
| √ |
|
7 | 关联规则分析 | 6 |
|
| √ |
| √ |
|
合计数 | 32 | 0 | 0 | 7 |
| 7 | 0 |
编写人员:曾学文 教研室主任(签字):
年 月 日