《公安大数据应用基础》教学大纲.docx

《《公安大数据应用基础》教学大纲.docx》由会员分享，可在线阅读，更多相关《《公安大数据应用基础》教学大纲.docx（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、公安大数据应用基础教学大纲大纲制订人：执笔人：大纲审定人：则的使用。实验要求通过挖掘实例，掌握关联规则中的数据准备、建模、精确度和 验证、管理、连接等。实验内容对给定数据，进行建模，选择关联分析等，最后得到分析结果。考核方式上机过程考核和实验结果考核相结合。实验五：聚类分析的原理及应用学 时2学时实验目的熟悉大数据软件中聚类分析的应用，掌握大数据软件中聚类分 析的参数设置和分析结果。实验要求通过挖掘实例，掌握大数据软件中聚类分析的应用。实验内容对给定数据，进行聚类分析模型的建立，查看和分析挖掘结果。考核方式上机过程考核和实验结果考核相结合。七、考核方式与成绩评定由平时成绩和1次课程大作业汇总最

2、终成绩。其中平时成绩由课堂考核、作业和实验报告组成。八、教材及参考资料（一）教材（或建议教材）邱明月等.公安大数据应用基础国.北京：电子工业出版社，2020.（二）参考书目.陈志泊.数据仓库与大数据M.北京：清华大学出版社，2009.1 .纪希禹.大数据技术应用实例（第一版）M.北京：机械工业出版社， 2009.2 . Jiawei Han.大数据一概念与技术（第一版）M.北京：机械工业出版 社，2001.3 .闪四清译.大数据一概念、模型、方法和算法（第一版）M.北京：清 华大学出版社,2004.4 .彭瑞梅.知识管理一一原理及最佳实践（第二版）M.北京：清华大学 出版社,2004.（三）其

3、他可以利用的学习资源1. Jeffrey A Hoffer. Modern Database Management. America: Prentice Hall, 2007.21. Michael Corey, Michael Abbey. SQL Server 7 Data Warehousing. 2000.一、课程基本信息课程编号: 课程名称：公安大数据应用基础英文名称： Fundamentals of public security big data application课程类型：选修课课程性质：基础课适用专业：各专业适用对象：各专业总学时：32 学 分：2开课单位： 开课时间：

4、先修课程： 并修课程： 后续课程：二、课程教学目标（一）知识教学目标现代信息管理的发展趋势之一是从信息的载体形式管理向内容的知识管理 深化。本课程的教学目的是使学生了解大数据概念、原理，初步掌握数据挖掘的 流程和方法，学会数据挖掘工具的使用。（二）能力培养目标认识数据挖掘在公安工作中的应用，能够利用数据挖掘工具（如SQL Server. SPSS、Excel. 12）对警务数据进行整理、分析，并形成易于应用的图形化结果 显不等。（三）情感与态度目标提高学生创新性思维，积极思考、积极思辨、独立分析问题、解决问题的能力，培养研究型学习的习惯。三、教学时数分配建议表章 次名称教学 时数其 中理论教学

5、课堂实验案例分析习题机动1Excel数据清洗、数 据加工、数据透视表4222数据的读入、合并4223数据的基本分析42245决策树的原理及应用 人工神经网络模型的 原理及应用Logistic回归分析及4422226应用关联分析的原理及应4227用聚类分析的原理及应4228用422合 计321616、教学内容、要求及方法第一章 Excel数据清洗、数据加工、数据透视表教学基本要求了解Excel数据清洗、数据加工、数据透视表的基本概念; 了解Excel数据清洗、数据加工、数据透视表的基本应用。教学方法建议多媒体教学本章的重点Excel数据清洗、数据加工、数据透视表的基本应用本章的难点Excel数据

6、清洗、数据加工、数据透视表的基本应用主要内容第一节大数据简介大数据的产生；大数据的应用价值；大数据的发展过程；大数据的定义。第二节大数据简介（2）公安大数据的基本概念，公安大数据中的重要名词，公安大数据的应用实例介绍。第三节Excel数据清洗查找重复数据（COUNTIF函数）；高级筛选法；条件格式法等实现数据清洗。第四节Excel数据清洗（2）数据透视表法；缺失数据的处理；检查数据逻辑错误等实现数据清洗。第五节数据加工运用Excel进行字段分列；字段合并；字段匹配等实现数据加工。第六节数据加工（2）VLOOKUP函数运用；数据分组等实现数据加工。第七节数据透视表掌握Excel在数据透视表中的使

7、用。第八节数据透视表（2）掌握利用数据透视表对环比与同比对数据进行分析；学会分组统计。第二章数据的读入、合并教学基本要求熟悉相关软件，并掌握数据的读入和合并。教学方法建议多媒体教学本章的重点数据的读入与合并本章的难点实际需求中的数据与软件的对应主要内容第一节相关大数据软件介绍介绍相关统计软件的发展历程；介绍大数据常用的几大软件-。第二节相关大数据软件介绍（2）相关软件的用户界面和基本用户知识。第三节 数据的读入通过大数据的角度看变量类型，能够判断数据的输入方式；掌握自由格式文本数据的导入。第四节 数据的读入（2）掌握Excel、SPSS和数据库数据的导入。第五节 数据的合并了解数据合并的概念；

8、掌握数据的纵向合并。第六节 数据的合并（2）掌握数据的横向合并。第三章数据的基本分析教学基本要求提高数据的质量，并作出相应的修正；对数据进行基本的 描述性统计分析；掌握散点图，网状图的绘制；对变量的重要性进行分析，掌握 各种输入变量和输出变量类型下的设置。教学方法建议多媒体教学。本章的重点提高数据质量；数据的描述性统计分析；变量重要性分析。本章的难点对数据的进行修正以提高数据质量，变量的重要性分析思路。主要内容第一节数据质量探索重点探讨数据的基本描述与质量探索；离群点和极端值的修正。第二节 数据质量探索（2）缺失值的替补和保留高质量的变量。第三节数据描述性统计分析学会计算数据的基本描述统计量，

9、对数据进行基本的分析。第四节 数据描述性统计分析（2 ）掌握绘制散点图，网状图的方式。第五节变量重要性分析掌握变量重要性的计算方式。第六节 变量重要性分析（2）对变量的重要性进行分析，掌握各种输入变量和输出变量类型下的设置。第四章决策树的原理及应用教学基本要求掌握决策树的基本算法、对核心问题的理解；学会建立 C5. 0、CART、CHAID和QUEST模型，并对各种决策树模型进行评估。教学方法建议多媒体教学。本章的重点决策树的基本算法、核心问题；C5.0、CART、CHAID和QUEST 模型。本章的难点对决策树的各类模型的区分，以及模型效果的评估。主要内容第一节决策树的算法理解掌握决策树算法

10、的概述，了解决策树的几何理解。第二节决策树的核心问题了解决策树的核心问题；了解过度拟合的概念。第三节 C5.0模型算法了解决策树C5.0算法；学会建立决策树C5.0模型。第五章人工神经网络模型的原理及应用教学基本要求掌握人工神经网络的基本算法；学会建立BP反向神经网络 和RBF人工神经网络模型，并利用模型进行预测。教学方法建议多媒体教学。本章的重点人工神经网络的算法；BP反向神经网络和RBF人工神经网 络模型。本章的难点根据实战需求，利用模型进行预测。主要内容第一节人工神经网络模型的算法理解了解人工神经网络模型概念和意义，以及算法的理解。第二节 BP反向神经网络模型建立BP反向传播人工神经网络

11、模型；对不同神经元个数对比模型的预测概 率。第六章Logistic回归分析及应用教学基本要求Logistic回归分析的概念和意义，推导二项Logistic回 归方程。理解Logit转换的含义。掌握二项Logistic回归分析的应用；对计算 结果进行分析。教学方法建议多媒体教学。本章的重点二项Logistic回归方程的推导和应用。本章的难点Logistic回归模型计算结果的理解。主要内容第一节 Logistic回归分析的概念和意义了解Logistic回归分析的概念和意义，推导二项Logistic回归方程。第二节 Logistic回归方程的理解理解Logistic回归方程；理解Logit转换的含义

12、。第三节 Logistic回归方程的应用掌握二项Logistic回归分析的应用；对计算结果进行分析。第七章关联分析的原理及应用教学基本要求掌握多项关联分析的概念；掌握Apr iori算法概念； Apriori算法的基本原理；掌握序列关联分析的概念；Sequence算法的原理；对 相关公式能够理解其含义。教学方法建议多媒体教学。本章的重点关联分析的相关原理及算法的理解及应用。本章的难点根据实战需求，利用相关分析进行分析与应用。主要内容第一节关联分析的概念和意义掌握多项关联分析的概念；对相关公式能够理解其含义。第二节 Apr iori算法的基本原理掌握Apriori算法概念；Apr iori算法的

13、基本原理。第八章聚类分析的原理及应用教学基本要求掌握多项聚类分析的概念；掌握K-Means算法概念； K-Means算法的基本原理；两步聚类的原理；对相关公式能够理解其含义。教学方法建议多媒体教学。本章的重点聚类分析的相关原理及算法的理解及应用。本章的难点根据实战需求，利用聚类分析进行分析与应用。主要内容第一节聚类分析的概念和意义掌握聚类分析的概念和含义；K-Means算法的原理。第二节 K-means算法的基本原理及应用掌握K-Means算法的原理及应用。五、本课程与相关课程的联系本课程是在学习完数据库原理及应用等相关课程的基础上，具备了数据 库操作的知识技能，并对公安大数据的分析方法有了一

14、定程度的了解，学习大数 据的通用和专用工具的使用，为公安情报工作实务、专业综合实习、毕业设 计等环节打下良好的基础。六、课程教学实验、实习安排实验一：决策树的原理及应用学 时2学时实验目的熟悉C5. 0模型的建立；熟悉CART分类回归树的建立；熟悉CHAID和QUEST模型的建立；掌握各类模型的评估分析。实验要求掌握相关大数据软件的应用，完成指定内容的数据分析。实验内容相关大数据软件中决策树的各类模型应用，以及对各类模型进 行评估分析，查看和分析挖掘结果。考核方式上机过程考核和实验结果考核相结合。实验二：人工神经网络模型的原理及应用学 时2学时实验目的基本掌握建立人工神经网络模型；对不同神经元

15、个数对比模型 的预测概率应用。实验要求通过挖掘实例，掌握人工神经网络模型的应用。实验内容给定挖掘数据，利用相关的大数据软件，进行参数设置，创建 人工神经网络模型，查看和分析挖掘结果。考核方式上机过程考核和实验结果考核相结合。实验三：Logistic回归分析及应用学 时2学时实验目的掌握相关大数据软件中Logistic回归分析的一般应用。实验要求通过挖掘实例，掌握大数据软件中Logistic回归分析的应用。实验内容对应给定数据，进行二项Logistic回归方程的建立，查看和分 析挖掘结果。考核方式上机过程考核和实验结果考核相结合。实验四：关联分析的原理及应用学 时2学时实验目的熟悉大数据软件中关联分析的应用，掌握大数据软件中关联规