何鋒 劉祖根 余建坤 余益民

摘? 要：隨著大數(shù)據(jù)進入人們生活的方方面面，數(shù)據(jù)挖掘技術越來越凸顯出其的重要性。但由于該課程涉及到的知識點多，教學要點分散，老師講解時若采用的數(shù)據(jù)集舉例過多，會使學生陷入無頭緒之中。為了解決這一問題，該文以購物籃數(shù)據(jù)集為例，使用兩種軟件工具，對數(shù)據(jù)挖掘技術課程中的關聯(lián)、聚類、分類、異常點和復雜網(wǎng)絡分析進行貫穿式教學設計，以便于學生能更好地通過一個數(shù)據(jù)集來掌握數(shù)據(jù)挖掘技術，從而獲得相應的大數(shù)據(jù)分析能力。

關鍵詞：購物籃數(shù)據(jù)集? 數(shù)據(jù)挖掘技術? “貫穿式”案例教學設計

中圖分類號：G64? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）04（a）-0169-04

大數(shù)據(jù)分析是指對規(guī)模巨大的數(shù)據(jù)進行分析。大數(shù)據(jù)可以概括為5個V，即：數(shù)據(jù)量大（Volume）、速度快（Velocity）、類型多（Variety）、價值（Value）、真實性（Veracity）。隨著大數(shù)據(jù)時代的來臨，大數(shù)據(jù)分析也應運而生。大數(shù)據(jù)分析與數(shù)據(jù)挖掘的關系可用如表1所示來進行比較。

由表1的概念范疇可知，數(shù)據(jù)挖掘已經(jīng)包括了目前最為流行的大數(shù)據(jù)概念，因此，在教學過程中，鼓勵學生學好數(shù)據(jù)挖掘的相關知識和技能，是迎接大數(shù)據(jù)時代的最佳途徑。

但由于數(shù)據(jù)挖掘課程涉及到的知識點多，教學要點分散，老師講解時若采用的數(shù)據(jù)集舉例過多，會使學生陷入無頭緒之中。為了解決這一問題，該文采用“貫穿式”案例教學法進行設計。

“貫穿式”案例教學法是指在數(shù)據(jù)挖掘教學的過程中，教師以某一具有代表性的數(shù)據(jù)集為例，將該數(shù)據(jù)集的講解和處理貫穿整個教學過程。采用這樣的教學方法可避免過去對每個章節(jié)各自使用不同的數(shù)據(jù)集，從而導致使知識與概念間的不銜接、學生所學知識不系統(tǒng)的弊端。通過一個數(shù)據(jù)集貫穿整個課程教學，不僅可以把《數(shù)據(jù)挖掘技術》課程的知識點系統(tǒng)化，有利于學生對知識體系有著深刻的認知，而且能夠培養(yǎng)學生正確、全面地認識大數(shù)據(jù)分析與挖掘過程，為其將來解決現(xiàn)實中的實際問題打下堅實的基礎。

該文以IBM SPSS Modeler 18.0自帶的購物籃數(shù)據(jù)集BASKETSln為例，使用IBM SPSS Modeler 18.0和R-3.3.1等軟件工具，對數(shù)據(jù)挖掘技術課程中的關聯(lián)、聚類、分類、異常點和復雜網(wǎng)絡分析進行教學設計，以便于學生能更好地通過一個數(shù)據(jù)集來掌握數(shù)據(jù)挖掘技術，從而獲得相應的大數(shù)據(jù)分析能力。

1? 關聯(lián)分析的教學設計

在現(xiàn)實生活中，人們涉及到較多的社會活動之一就是購物，因此使用購物籃數(shù)據(jù)集BASKETSln進行分析，能讓學生很快地結合現(xiàn)實生活，從而結合實際展開進一步地學習。

購物籃數(shù)據(jù)集BASKETSln有1000個客戶，18種屬性（其中包含11種商品），這里面隱含著重要且十分有價值的信息，通過對這些信息的研究與分析，可以教會學生從中獲得有關消費者的一些資料，如他們的購買行為、購買習慣、產(chǎn)品偏好、品牌忠誠度等，這有利于學生學習興趣的培養(yǎng)。

關聯(lián)規(guī)則是一種無向的數(shù)據(jù)挖掘方法，它從大量的數(shù)據(jù)項中尋找有意義的關聯(lián)關系。在零售業(yè)中，關聯(lián)規(guī)則可以發(fā)現(xiàn)顧客的偏好，從而找到有較大可能連帶銷售的商品。因此，在教學設計上，可以采用Modeler中的Apriori節(jié)點進行分析，則可挖掘出如表2所示的一些有趣的模式來。

表2中分別顯示了購買啤酒（beer）和罐裝蔬菜（cannedveg）的客戶購買冷凍食品（frozenmeal）的傾向性很大;購買啤酒（beer）和冷凍食品（frozenmeal）的客戶購買罐裝蔬菜（cannedveg）的傾向性很大;購買啤酒（beer）和罐裝蔬菜（cannedveg）的客戶購買冷凍食品（frozenmeal）的傾向性很大。如果引導學生在學習過程中適當調(diào)整最低條件支持度和最小規(guī)則置信度，則可以看到更多有趣的規(guī)則，這樣就很好地調(diào)動了學生的學習積極性。

1.1 聚類分析的教學設計

為了形象地表達商品的購買力，便于教學任務的開展，可以用Web節(jié)點把11種商品的銷售情況形象地描繪出來，如圖1所示。

從圖1中我們可以看到，有3組商品組合所屬的客戶群特別明顯，它們分別是：購買魚（fish）和水果蔬菜（fruitveg）組合的客戶群;購買葡萄酒（wine）和糖果（confectionery）的客戶群;購買啤酒（beer）、冷凍食品（frozenmeal）和罐裝蔬菜（cannedveg）的客戶群，這就形成了明顯的3個聚類群體，而聚類群體的形成，是符合現(xiàn)實生活中的“物以類聚，人以群分”這一思想的。

1.2 分類分析的教學設計

有了聚類，自然而然就會產(chǎn)生分類，因此整個教學設計也就自然會過渡到“分類”這一部分知識點了。這時，就可以順理成章地引導學生去分析產(chǎn)生以上3個聚類的客戶群體到底有些什么樣的特征了。采用Modeler中的C5.0節(jié)點進行分析，則可產(chǎn)生如圖2所示的結果。

從規(guī)則1中我們可以歸納出這個客戶群的一些大概特征，那就是這個組群中的客戶基本都是男性，并且他們的收入都低于16900。整個建模過程如圖3所示。

1.3 異常點分析的教學設計

我們都知道，不是所有的樣本都會歸屬于聚類和分類之中，現(xiàn)實中的數(shù)據(jù)總會有或多或少的個體遠離群體的。為了形象地描繪這些異常點，從這里開始，使用R語言進行教學設計，繪制出顧客與商品的2-模網(wǎng)網(wǎng)絡，如圖4所示。

從圖4中，可以發(fā)現(xiàn)有60個孤立節(jié)點，這說明有60個客戶沒有發(fā)生交易，真正發(fā)生交易的就只有940個客戶。因此，我們的分析應該圍繞著這940個客戶進行。

1.4 復雜網(wǎng)絡分析的教學設計

廣義上講，任何事物都處在一個有形或無形的網(wǎng)絡當中，與網(wǎng)絡中的其他事物形成一種相互依存或競爭的關系。因此，基于網(wǎng)絡拓樸結構去研究數(shù)據(jù)之間的相互關系是當前大數(shù)據(jù)分析與數(shù)據(jù)挖掘的熱門話題，故在教學目標中，引導學生思考數(shù)據(jù)網(wǎng)絡構成是揭示事物相關性的另一個獨特視角。

使用R語言，引導學生對購物籃數(shù)據(jù)集中產(chǎn)生真正交易的940個客戶進行網(wǎng)絡基本分析，從而得出如表3所示的結論。

2? 結語

對《數(shù)據(jù)挖掘技術》課程進行“貫穿式”案例教學設計，用一個恰當?shù)臄?shù)據(jù)集把多個章節(jié)中的知識點有機地貫穿在一起，將所講授的內(nèi)容逐步延伸，這有利于學生對大數(shù)據(jù)分析與知識挖掘的整個體系有一個完整、深刻的認知。這便于學生在實踐中運用知識后，能夠很好地掌握數(shù)據(jù)挖掘中的基本知識點、基本原理及方法等知識理論。而Modeler和R兩種軟件工具的交替使用，有助于學生學會在對同一數(shù)據(jù)集進行分析時，能夠明白不同軟件工具在不同階段的問題處理上的優(yōu)勢和不足，進行實現(xiàn)大數(shù)據(jù)分析過程中的優(yōu)勢互補，從而加深學生對知識體系的認知與領悟。

參考文獻

[1] （美）Jiawei Han，Micheling Kamber，Jian Pei，著.數(shù)據(jù)挖掘概念與技術[M].3版.范明，孟小峰，譯.北京：機械工業(yè)出版社，2012.

[2] 薛薇.R語言數(shù)據(jù)挖掘方法及應用[M].北京：電子工業(yè)出版社，2016.

[3] 施和平，俞晨霞.“貫穿式”案例教學法與“探究式”教學法在《管理學》課程教學中的運用[J].景德鎮(zhèn)學院學報，2016（2）：82-85.

[4] 葉品菊.案例貫穿式教學法在VB程序設計教學中的應用[J].安徽電子信息職業(yè)技術學院學報，2007，6（5）：53-54.

[5] 黃芳.貫穿式案例教學在市場調(diào)查課程中的應用[J].科教導刊，2017（1X）：76-78.

[6] 鐘兵.機械制造“貫穿式案例”教學模式實踐研究[J].當代教育理論與實踐，2012，4（6）：90-91.

①基金項目：云南財經(jīng)大學校級重點課程建設項目“數(shù)據(jù)挖掘技術課程”（項目編號：41611217232）。

作者簡介：何鋒（1973—），男，白族，云南昆明人，碩士，講師，研究方向：數(shù)據(jù)挖掘算法分析。

劉祖根（1970—），男，漢族，湖北武漢人，博士，副教授，研究方向：復雜網(wǎng)絡。

余建坤（1963—），男，漢族，云南昆明人，碩士，教授，研究方向：大數(shù)據(jù)分析。

余益民（1969—），男，漢族，云南昆明人，博士，副教授， 研究方向：東南亞網(wǎng)絡。