數(shù)據(jù)挖掘教學(xué)實踐研究

牛宇

摘 要：隨著社會發(fā)展，數(shù)據(jù)分析、數(shù)據(jù)挖掘類課程建設(shè)成為復(fù)合人才培養(yǎng)和新學(xué)科建設(shè)的重要部分。由此，設(shè)計面向非信息專業(yè)的數(shù)據(jù)挖掘課程，開展相關(guān)的教學(xué)實踐研究很有必要。在厘清非信息專業(yè)數(shù)據(jù)挖掘課程的教學(xué)目標(biāo)、內(nèi)容和考核差異基礎(chǔ)上，提出了“橫縱交叉結(jié)構(gòu)化教學(xué)法”。該教學(xué)法以經(jīng)典算法為單元，對單元算法進(jìn)行“哲學(xué)原理—應(yīng)用實例—重點知識—作業(yè)考察”四步橫向推進(jìn)的方式講解和考察;同時將算法中的重點技術(shù)作為單元間縱向線索，串聯(lián)成一個完整的數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程。教學(xué)實踐中采用鮮活的實際案例，并強調(diào)數(shù)據(jù)結(jié)果分析和應(yīng)用等方面。最后對實踐教學(xué)經(jīng)驗和發(fā)現(xiàn)進(jìn)行了總結(jié)。

關(guān)鍵詞：橫縱交叉教學(xué)法;數(shù)據(jù)挖掘;教學(xué)改革

DOI：10. 11907/rjdk. 182409

中圖分類號：G434文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2019）004-0210-04

0 引言

隨著“大數(shù)據(jù)”概念的普及，人類從信息技術(shù)（Information Technology，IT）時代進(jìn)入數(shù)據(jù)技術(shù)（Data Technology，DT）時代。以數(shù)據(jù)驅(qū)動的人工智能、商務(wù)智能等不斷催生新的產(chǎn)業(yè)和經(jīng)濟(jì)增長點。然而，不斷膨脹的數(shù)據(jù)量和當(dāng)前的處理能力差距逐漸擴大，“Drowning in data，but starving for knowledge”現(xiàn)象愈發(fā)突出，數(shù)據(jù)分析人才急缺。為此高校新增了數(shù)據(jù)科學(xué)和數(shù)據(jù)交叉學(xué)科專業(yè)，如《數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)》、《大數(shù)據(jù)管理與應(yīng)用》、《電子商務(wù)與營銷》、《智能醫(yī)學(xué)工程》、《金融數(shù)據(jù)工程》等課程[1]。數(shù)據(jù)挖掘作為數(shù)據(jù)科學(xué)專業(yè)的骨干課程，前承概率論、統(tǒng)計學(xué)、數(shù)據(jù)庫，后引導(dǎo)算法分析、商務(wù)智能決策等課程，涉及范圍廣、難度高，對實施非信息專業(yè)背景下本科數(shù)據(jù)挖掘教學(xué)是個挑戰(zhàn)[2]。

對數(shù)據(jù)挖掘課程開展的研究有：將數(shù)據(jù)挖掘作為一門引導(dǎo)性課程，教學(xué)的核心目標(biāo)是引導(dǎo)學(xué)生了解數(shù)據(jù)挖掘的基本原理和數(shù)據(jù)挖掘的主要應(yīng)用方向[3]。但以往數(shù)據(jù)挖掘?qū)嶒灜h(huán)節(jié)存在數(shù)據(jù)量過小，數(shù)據(jù)集理想化等問題，不能體現(xiàn)實際應(yīng)用中數(shù)據(jù)挖掘的需求和問題[4]。

針對數(shù)據(jù)挖掘教學(xué)的共性問題學(xué)者們也提出一些前沿改革建議，如李勇[5]提出要細(xì)化數(shù)據(jù)挖掘（機器學(xué)習(xí)）教學(xué)目標(biāo)，將啟發(fā)式和討論式教學(xué)、強化實踐教學(xué)、教學(xué)全過程考核和融合多種教學(xué)手段等措施應(yīng)用于本科機器學(xué)習(xí)教學(xué)，針對數(shù)據(jù)挖掘配套的學(xué)期課程設(shè)計，提出圍繞學(xué)科特點，通過課程設(shè)計建立工程思想，培養(yǎng)工程意識[6-7]。張艷敏等[8-9]認(rèn)為高校教師應(yīng)把即將畢業(yè)的學(xué)生作為重要的教學(xué)對象，案例要與時俱進(jìn)，培養(yǎng)學(xué)生采用數(shù)據(jù)挖掘知識解決實際工程問題的能力;王雷全[10]提出本科機器學(xué)習(xí)教學(xué)中以深度學(xué)習(xí)作為課程體系主導(dǎo)，以Tensorflow為實踐平臺的機器學(xué)習(xí)科研實踐課程體系。

還有一些教學(xué)實踐中采用了真實數(shù)據(jù)并將案例應(yīng)用于相關(guān)交叉專業(yè)，如廣西民族大學(xué)韋艷艷[11]等在數(shù)據(jù)挖掘?qū)嶒灲虒W(xué)中，采用淘寶網(wǎng)的真實數(shù)據(jù)，取得了非常好的教學(xué)效果;南京中醫(yī)藥大學(xué)信息技術(shù)學(xué)院佘侃侃[12]在數(shù)據(jù)挖掘課程中，針對中醫(yī)藥理論實踐項目采用數(shù)據(jù)挖掘的方法發(fā)現(xiàn)規(guī)律;朱衛(wèi)平[13]研究了如何將數(shù)據(jù)挖掘與數(shù)據(jù)庫和法律課程在大數(shù)據(jù)背景下進(jìn)行聯(lián)動教學(xué);廖旺宇[14]的貫穿式案例教學(xué)法應(yīng)用在四川旅游學(xué)院本科教學(xué)實踐中，受到學(xué)生好評。

從目前成果來看，大量文獻(xiàn)、課程研究都集中在理工類背景的學(xué)?；蚓C合類學(xué)校中，人文背景下數(shù)據(jù)挖掘類課程體系設(shè)計和建設(shè)實踐較為缺乏[15-16]。本文就此問題從教學(xué)目標(biāo)、教學(xué)方法、教學(xué)效果方面提出實踐經(jīng)驗總結(jié)，為相關(guān)研究提供借鑒。

1 教學(xué)目標(biāo)與特點

數(shù)據(jù)挖掘（Data Mining，DM）又稱知識發(fā)現(xiàn)（Knowledge Discovering），與機器學(xué)習(xí)（Machine Learning）、模式識別（Pattern Recognition）、人工智能（Aritificial Intelligence）等有較大重復(fù)交叉。盡管數(shù)據(jù)挖掘課程已推廣至眾多學(xué)科，但在新專業(yè)建設(shè)和課程內(nèi)容設(shè)計中，仍與計算機科學(xué)等信息類專業(yè)有差距。

信息類專業(yè)和非信息類專業(yè)對數(shù)據(jù)挖掘課程教育目標(biāo)差異明顯。信息類專業(yè)本身以設(shè)計/優(yōu)化數(shù)據(jù)挖掘方法和工具本身為目標(biāo)，更偏重理論性和底層應(yīng)用，主要是對數(shù)據(jù)科學(xué)中模型的理解和運用。而非信息類專業(yè)對數(shù)據(jù)挖掘更多偏重應(yīng)用性，培養(yǎng)學(xué)生利用數(shù)據(jù)挖掘方法解決行業(yè)問題的能力。其次，教學(xué)受眾和基礎(chǔ)不同，非信息類專業(yè)和信息類專業(yè)在相關(guān)數(shù)學(xué)知識和編程基礎(chǔ)等方面有較大不同。所以在教學(xué)設(shè)計中，在保留課程核心內(nèi)容基礎(chǔ)上，對課時安排和內(nèi)容深淺程度進(jìn)行適合于教學(xué)目標(biāo)和聽課受眾的調(diào)整，見表1。

2 教學(xué)方法設(shè)計

針對不同學(xué)科受眾特點和教學(xué)重點的異同介紹教學(xué)實踐中的幾個實例。以“電子商務(wù)與營銷”專業(yè)大三下學(xué)期學(xué)生為例，該班文理科生各半，前序課程有概率論、統(tǒng)計學(xué)、數(shù)據(jù)庫原理、編程基礎(chǔ)等。課程內(nèi)容以通用數(shù)據(jù)挖掘處理流程為主線，對4-5個實用案例做詳細(xì)講解和示例，學(xué)生通過學(xué)習(xí)可以掌握3-4類數(shù)據(jù)挖掘經(jīng)典算法原理，能使用一門輕量級編程語言（Python）或分析軟件（Waikato Environment for Knowledge Analysis[17]，WEKA）進(jìn)行數(shù)據(jù)處理操作。

2.1 數(shù)據(jù)挖掘通用流程

在了解數(shù)據(jù)挖掘基本概念后，首先需要建立框架概念，了解數(shù)據(jù)挖掘工作的通用處理流程?；緮?shù)據(jù)挖掘過程需經(jīng)歷數(shù)據(jù)獲取、預(yù)處理、算法學(xué)習(xí)和結(jié)果分析4個步驟，見圖1。

K近鄰算法（K-NearestNeighbor，KNN）原理簡單，通用性好，適合作為數(shù)據(jù)挖掘課程入門算法介紹。課堂以KNN為例，講解數(shù)據(jù)挖掘基本流程（下文提到的各種函數(shù)和庫均指Python 庫）。

案例選用加州大學(xué)歐文分校UCI（University of California Irvine）機器學(xué)習(xí)實驗室[18]提供的電離層數(shù)據(jù)（ionoshpere）為數(shù)據(jù)源，并以此介紹業(yè)界經(jīng)典科研數(shù)據(jù)集的采集和常見數(shù)據(jù)格式。數(shù)據(jù)獲取后引入3個模塊：轉(zhuǎn)換器transformer、模型model和流水線pipeline展示預(yù)處理、算法模型和流程化概念、用法。其中算法模型如果采用監(jiān)督式學(xué)習(xí)方法，則model分為訓(xùn)練器fit和預(yù)測器predictor兩步，而非監(jiān)督學(xué)習(xí)方法沒有訓(xùn)練fit這一步驟。流水線pipeline可以把連續(xù)的若干操作保存到工作流中，數(shù)據(jù)經(jīng)前一步處理后輸出結(jié)果作為下一步的輸入，實現(xiàn)流程化概念和代碼復(fù)用。作為結(jié)果分析的重要工具，引入Python繪圖庫Matplotlib做數(shù)據(jù)可視化分析和展示。結(jié)果分析對科研和商業(yè)數(shù)據(jù)分析非常重要，是進(jìn)行模型迭代優(yōu)化、解讀知識、指導(dǎo)后續(xù)操作的重要依據(jù)。

數(shù)據(jù)挖掘基本步驟又包含若干選項和具體步驟。如基于問題的特征選擇、特征構(gòu)建（Feature Engineering）也屬于預(yù)處理的一部分;基于數(shù)據(jù)特點和具體挖掘問題，采用不同的建模思想從而選擇不同的算法模型，這些都屬于數(shù)據(jù)挖掘框架的重要部分。

2.2 教學(xué)實踐

從數(shù)據(jù)挖掘10大經(jīng)典算法[19]中選擇應(yīng)用廣泛的6種算法進(jìn)行案例教學(xué)，其中包括3種監(jiān)督式學(xué)習(xí)（K近鄰KNN、決策樹Decision Tree、貝葉斯Bayes）、兩種非監(jiān)督式學(xué)習(xí)（K均值Kmeans、層次聚類AGNES-DIANA）和一種關(guān)聯(lián)規(guī)則（Apriori）方法。眾所周知，每一類經(jīng)典算法之下都有數(shù)十或上百種變形優(yōu)化算法，基于學(xué)習(xí)者基礎(chǔ)原因，教學(xué)中選擇講授最基本的代表性算法，著重講解這些經(jīng)典算法體現(xiàn)的核心哲學(xué)思想，作為傳遞思維方式和后續(xù)自學(xué)高階算法的基礎(chǔ)。

兼顧學(xué)術(shù)和實際操作能力兩個方向，在講解每個算法時推薦1-2篇本領(lǐng)域較新的科技論文，了解當(dāng)前發(fā)展情況，同時學(xué)習(xí)科技論文的分析方法、思路和寫作技巧。在案例實現(xiàn)方面，選取實操性和趣味性強的前沿應(yīng)用案例作為課堂和作業(yè)代碼案例。

在教學(xué)內(nèi)容結(jié)構(gòu)安排上，采用橫縱交叉結(jié)構(gòu)化教學(xué)法，設(shè)計橫縱兩條線索，見圖2。

橫向線索顯示一個算法單元的教學(xué)和作業(yè)考察完整周期。每個單元選擇1-2個“核心算法”講解其原理，接著以“課堂案例”為應(yīng)用背景，在其中分配若干“知識重點”，并通過“作業(yè)考察”強化某項數(shù)據(jù)挖掘技能。自左向右循序完成一個算法教學(xué)單元。每個單元基于難度和教學(xué)重點不同安排4-6個課時完成。縱向線索主要體現(xiàn)在“知識重點”和“作業(yè)考察”這兩列，貫穿每一個橫向算法單元。在知識重點項中，有些只與此單元算法有關(guān)，有些則是數(shù)據(jù)挖掘的基礎(chǔ)知識點在本案例中的運用和實現(xiàn)。如流水線函數(shù)在KNN單元引入，數(shù)據(jù)標(biāo)準(zhǔn)化、矢量化在聚類和貝葉斯單元中體現(xiàn);分類器評價參數(shù)（精度、召回率、準(zhǔn)確率、F值等）則放在貝葉斯分類單元中。作業(yè)考察部分結(jié)合課堂案例，在每個算法單元實現(xiàn)一項重要環(huán)節(jié)，包括數(shù)據(jù)載入、特征工程構(gòu)建、可視化、模型選擇、結(jié)果應(yīng)用分析等，由上而下完成一套完整的挖掘流程。這里考慮受眾的學(xué)習(xí)目的和編程基礎(chǔ)，作業(yè)考察內(nèi)容不單是算法分析和性能調(diào)優(yōu)，更多放在數(shù)據(jù)采集、基本數(shù)據(jù)結(jié)構(gòu)了解、數(shù)據(jù)載入讀出、可視化和結(jié)果分析上。下面以決策樹算法單元教學(xué)實踐舉例說明。

3 基于決策樹的體育賽事預(yù)測案例

決策樹（Decision Tree）算法原理簡單，計算復(fù)雜度較低，可解釋性強，輸出結(jié)果易于可視化。下面以決策樹中分類回歸樹CART（Classification And Regression Tree）算法闡述數(shù)據(jù)挖掘中分類問題的實質(zhì)及應(yīng)用，了解監(jiān)督式學(xué)習(xí)和非監(jiān)督式學(xué)習(xí)的異同。

以一篇用決策樹分析德國非盈利性俱樂部推廣因素發(fā)現(xiàn)的文章[20]為例。決策樹除了做分類預(yù)測外，由于其算法可解釋性，還可用來做組織行為管理中關(guān)鍵影響因素發(fā)現(xiàn)、策略影響等。

選取NBA歷史數(shù)據(jù)，運用決策樹預(yù)測球隊賽事輸贏。數(shù)據(jù)采自體育數(shù)據(jù)網(wǎng)站[21]，數(shù)據(jù)結(jié)構(gòu)采用pandas中dataframe數(shù)據(jù)框，分類器采用python機器學(xué)習(xí)包sklearn中決策樹分類器，同時采用graphviz[21]做決策樹結(jié)果可視化（圖3）。本單元的學(xué)習(xí)重點除了決策樹系列算法原理外，還包含特征工程——從多維度原始數(shù)據(jù)中構(gòu)造影響比賽結(jié)果的關(guān)鍵特征。在數(shù)據(jù)挖掘里，好的特征選擇會直接影響到最終結(jié)果的性能，有時甚至比選擇合適的算法模型更重要。所以構(gòu)造和發(fā)掘潛在關(guān)鍵特征非常重要，特征工程的構(gòu)建作為本教學(xué)單元的作業(yè)部分重點研究。

決策樹涉及到的基本知識還包括遞歸、貪婪算法、信息熵等。在實際預(yù)測應(yīng)用時，決策樹更多采用隨機森林（Random Forest）的形式出現(xiàn)，由此引入集成學(xué)習(xí)（Esemble Learning）方式，提升Boosting和分包（Bagging）等概念的理解。

4 結(jié)語

將橫縱交叉結(jié)構(gòu)化教學(xué)法應(yīng)用于旅游電子商務(wù)專業(yè)教學(xué)，筆者從學(xué)習(xí)目的和學(xué)習(xí)意愿、課程難度、學(xué)習(xí)中最大障礙、希望學(xué)習(xí)的知識和技能幾個方向調(diào)研，結(jié)果見圖4～圖7。經(jīng)過調(diào)研發(fā)現(xiàn)：學(xué)生學(xué)習(xí)意愿普遍增強，認(rèn)為課程難度適中。學(xué)生肯定了本文的教學(xué)方法，對教師在后續(xù)學(xué)科建設(shè)和課程安排上具有參考意義。

參考文獻(xiàn)：

[1] 中華人民共和國教育部. 關(guān)于公布2017年度普通高等學(xué)校本科專業(yè)備案和審批結(jié)果的通知[教高函〔2018〕4號]. [EB/OL]. http：//www.moe.gov.cn/srcsite/A08/moe_1034/s4930/201803/t20180321_330874.html

[2] 劉崢，王俊昌. 數(shù)據(jù)挖掘等進(jìn)階課程在本科高年級的教學(xué)方法 [J]. 現(xiàn)代計算機， 2017（4）： 40-42.

[3] 杜卓明. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教學(xué)實踐與教學(xué)改革探索[J]. 科技視界，2014（10）：86-88.

[4] 范祺，朱昌杰，肖建于，等. 以項目驅(qū)動的數(shù)據(jù)挖掘課程教學(xué)改革的研究[J]. 科技世界，2012（4）：9-10.

[5] 李勇. 本科機器學(xué)習(xí)課程教改實踐與探索[J]. 計算機教育，2015（13）：63-66.

[6] 鄧志鴻，謝昆青. 機器學(xué)習(xí)課程的教學(xué)實踐——以北京大學(xué)“智能科學(xué)與技術(shù)”本科專業(yè)為例 [J].? 計算機教育，2016（10）：18-20.

[7] 鄧娜，林松，熊才權(quán)，等. 基于案例和懸念的數(shù)據(jù)挖掘教學(xué)模式設(shè)計[J]. 計算機教育，2018（11）： 97-99.

[8] 張艷敏. 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘課程教學(xué)研究 [J]. 教育天地， 2018（8）：175-176.

[9] 邵俊，楊勤麗. 理論創(chuàng)新驅(qū)動的數(shù)據(jù)挖掘課程教學(xué)改革[J]. 計算機教育，2017（4）：92-94.

[10] 王雷全，吳春雷，郭曉菲. 機器學(xué)習(xí)科研實踐課程建設(shè)[J]. 電子世界，2017（17）：50-51.

[11] 韋艷艷，張超群. 信息管理類專業(yè)《決策支持系統(tǒng)》實踐教學(xué)探討[J]. 高教學(xué)刊，2016（24）：154-155.

[12] 佘侃侃. 中醫(yī)院校數(shù)據(jù)挖掘課程探索與改革[J]. 教育教學(xué)論壇，2013（49）：198-199.

[13] 朱衛(wèi)平，陳佳玲. 大數(shù)據(jù)時代下的《商務(wù)智能與數(shù)據(jù)挖掘》課程教學(xué)改革研究[J]. 計算機教育，2017（10）：33-36.

[14] 廖旺宇. 貫穿式案例教學(xué)法在數(shù)據(jù)挖掘課程中的應(yīng)用[J]. 教育天地，2018（3）：209-210.

[15] 戰(zhàn)疆， 尤曉東，曹巍，等. 文科大學(xué)數(shù)據(jù)庫課程改革探索與實踐 [J].? 計算機教育， 2018（10）：153-156.

[16] 陶燁，張莉，曹迎春. 面向高校文科生的數(shù)據(jù)科學(xué)基礎(chǔ)課程研究與實踐 [J]. 工業(yè)和信息化教育，2017（3）： 32-35.

[17] IAN H， WITTEN， EIBE FRANK， et al. Practical machine learning tools and techniques with Java implementations[J]. ACM Sigmod Record ， 1999，31 （1）：76-77.

[18] UCI. Machine learning repository[EB/OL]. http：//archive.ics.uci.edu/ml/datasets/.

[19] WU X，KUMAR V， QUINLAN J R， et al. Top 10 algorithms in data mining[J]. Knowledge and Information Systems，2008，14（1）： 1-37.

[20] PAMELA WICKER，CHRISTOPH BREUER. Exploring the critical determinants of organisational problems using data mining techniques： evidence from non-profit sports clubs in Germany[J]. Managing Leisure， 2013，18（2）：118-134.

[21] BASKETBALL REFERENCE. Basketball Stats and history[EB/OL]. http：//www.basketball-reference.com/.

[22] GRAPHVIZ. Graph visualization software[EB/OL]. http：//www.grap- hviz.org/.

（責(zé)任編輯：杜能鋼）