數(shù)據(jù)挖掘?qū)嵺`課程教學(xué)模式的探索

[摘 要] 數(shù)據(jù)挖掘?qū)嵺`課程作為數(shù)據(jù)挖掘理論課之后開設(shè)的一門實(shí)踐課，對(duì)學(xué)生動(dòng)手能力的培養(yǎng)、編程思維的養(yǎng)成、算法的理解等具有重要的支撐作用。而在教學(xué)過(guò)程中，如何充分發(fā)揮學(xué)生的主觀能動(dòng)性，讓學(xué)生的能力得到全方位鍛煉，是任課教師需要認(rèn)真思考的問題。以內(nèi)蒙古師范大學(xué)的數(shù)據(jù)挖掘?qū)嵺`課程為例，闡述課程教學(xué)過(guò)程中教學(xué)改革的方法和舉措，為相關(guān)課程的任課教師提供參考和借鑒。

[關(guān)鍵詞] 數(shù)據(jù)挖掘?qū)嵺`;課程銜接;監(jiān)督與考核

[基金項(xiàng)目] 2016年度國(guó)家自然科學(xué)基金項(xiàng)目“面向中文口語(yǔ)理解的非參數(shù)貝葉斯分析方法的研究和應(yīng)用”（61562068）

[作者簡(jiǎn)介] 李艷玲（1978—），女，博士，副教授，碩士生導(dǎo)師，研究領(lǐng)域?yàn)樽匀徽Z(yǔ)言處理、口語(yǔ)理解、機(jī)器學(xué)習(xí)等。

[中圖分類號(hào)] G642 ? ?[文獻(xiàn)標(biāo)識(shí)碼] A ? ?[文章編號(hào)] 1674-9324（2020）36-0153-03 ? ?[收稿日期] 2020-02-24

一、引言

數(shù)據(jù)挖掘課程作為計(jì)算機(jī)以及相關(guān)專業(yè)的核心課程受到了廣大師生的重視。各個(gè)高校開設(shè)的數(shù)據(jù)挖掘理論課和實(shí)驗(yàn)（實(shí)踐）課程的教學(xué)內(nèi)容以及考核評(píng)價(jià)形式有所不同。劉波等人[1]對(duì)數(shù)據(jù)挖掘課程的實(shí)踐教學(xué)給出了完整的教學(xué)內(nèi)容以及詳細(xì)的評(píng)價(jià)考核方式，并在教學(xué)中獲得較好的效果。關(guān)鵬等人[2]探索了統(tǒng)計(jì)學(xué)專業(yè)的數(shù)據(jù)挖掘課程實(shí)驗(yàn)教學(xué)模式，以R語(yǔ)言進(jìn)行數(shù)據(jù)挖掘?qū)嶒?yàn)，通過(guò)項(xiàng)目式學(xué)習(xí)提升學(xué)生分析問題和解決問題的能力。黃浩等人[3]提出在數(shù)據(jù)挖掘課程中通過(guò)案例貫穿教學(xué)和能力拓展比賽等教學(xué)方法提升學(xué)生的數(shù)據(jù)挖掘?qū)嵺`和創(chuàng)新能力。盡管一線教師在教學(xué)過(guò)程中對(duì)數(shù)據(jù)挖掘?qū)嵺`課進(jìn)行了某些探索和改進(jìn)，但是仍存在一些問題。

本文對(duì)數(shù)據(jù)挖掘課程教學(xué)存在的問題進(jìn)行梳理，有針對(duì)性地提出了以下教學(xué)改革方法：①注重前導(dǎo)課、理論課和實(shí)踐課的銜接;②加強(qiáng)過(guò)程中的監(jiān)督和考核;③實(shí)踐內(nèi)容抓重點(diǎn)算法，切忌面面俱到。通過(guò)以上方法可以有效促進(jìn)課程平穩(wěn)過(guò)渡，全面提升學(xué)生的自信心、主動(dòng)性以及動(dòng)手能力。

二、數(shù)據(jù)挖掘?qū)嵺`課程的教學(xué)模式

數(shù)據(jù)挖掘?qū)嵺`課程有兩大難點(diǎn)，一是數(shù)據(jù)挖掘課程本身難度較大，這門課涉及較多的數(shù)學(xué)和算法，而且相對(duì)枯燥，原來(lái)只有研究生才學(xué)習(xí)的課程現(xiàn)在給本科生開設(shè)，可以想象其難度;二是實(shí)踐課程需要編程語(yǔ)言來(lái)實(shí)現(xiàn)，對(duì)于大三的學(xué)生而言，他們僅僅掌握了編程語(yǔ)言的基本語(yǔ)法，綜合實(shí)踐能力還比較欠缺，現(xiàn)在要對(duì)高難度算法進(jìn)行實(shí)現(xiàn)，更可謂難上加難。

筆者以2019—2020學(xué)年第一學(xué)期所教授的課程為例，教學(xué)計(jì)劃為數(shù)據(jù)挖掘48學(xué)時(shí)，實(shí)踐課程32學(xué)時(shí)，分別是一周4節(jié)課，理論課程12周，實(shí)踐課程8周。實(shí)踐課比理論課滯后4周。對(duì)于計(jì)算機(jī)及相關(guān)專業(yè)來(lái)說(shuō)，實(shí)踐課主要通過(guò)Python語(yǔ)言進(jìn)行編寫。

（一）注重前導(dǎo)課、理論課和實(shí)踐課的銜接

如果讓學(xué)生順利進(jìn)入實(shí)踐課的角色，需要做好兩個(gè)銜接，即編程語(yǔ)言基礎(chǔ)與實(shí)際應(yīng)用的銜接和理論算法與編程實(shí)現(xiàn)的銜接。

1.編程語(yǔ)言基礎(chǔ)與實(shí)際應(yīng)用的銜接。對(duì)于第一種銜接，本實(shí)踐課采取的辦法是增加了兩個(gè)數(shù)據(jù)處理題目作為過(guò)渡。數(shù)據(jù)處理能力是從事機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘相關(guān)工作的基本功，是實(shí)現(xiàn)算法編程之前需要掌握的技能。兩個(gè)數(shù)據(jù)處理題目及要求如下。

（1）用python處理文本數(shù)據(jù)。數(shù)據(jù)來(lái)自2015年第十五屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議的評(píng)測(cè)數(shù)據(jù)，為文本數(shù)據(jù)，任務(wù)是根據(jù)給定的新聞標(biāo)題、兩個(gè)人名以及關(guān)系類型，確認(rèn)兩個(gè)人物關(guān)系是否屬于給定關(guān)系類型。要求：第一步從訓(xùn)練集數(shù)據(jù)中提取前五列;第二步在第一步得到數(shù)據(jù)的基礎(chǔ)上根據(jù)類別出現(xiàn)的順序?qū)?9類關(guān)系數(shù)據(jù)進(jìn)行歸類，分別存儲(chǔ)到train文件夾下以1.txt到19.txt命名的文件中;第三步按照訓(xùn)練集19個(gè)類別的順序?qū)y(cè)試集數(shù)據(jù)歸類，即相同關(guān)系類型的數(shù)據(jù)放到一個(gè)文本文件中，同樣生成19個(gè)類別的測(cè)試文件，保存到test文件夾下，文件命名和訓(xùn)練數(shù)據(jù)一樣，但是關(guān)系類型必須保持一致;第四步對(duì)每條數(shù)據(jù)在原測(cè)試集中出現(xiàn)的位置進(jìn)行記錄，和19個(gè)測(cè)試文件一一對(duì)應(yīng)起來(lái)，比如第一類“傳聞不和”的每個(gè)樣本在原文中處于第幾行，在索引文件中進(jìn)行記錄，保存在文件index1.txt，index2.txt….

（2）用python處理數(shù)值型數(shù)據(jù)。數(shù)據(jù)來(lái)自2016年中國(guó)高校第一屆大數(shù)據(jù)挑戰(zhàn)賽的數(shù)據(jù)，任務(wù)是通過(guò)給定的歷史數(shù)據(jù)預(yù)測(cè)未來(lái)兩個(gè)月歌曲的播放量。要求：第一步對(duì)歌曲藝人數(shù)據(jù)表進(jìn)行處理，統(tǒng)計(jì)出藝人的個(gè)數(shù)以及每個(gè)藝人的歌曲數(shù)量。輸出文件命名為xp2_1.csv，格式第一列是藝人的ID，第二列是該藝人的歌曲數(shù)目，最后一行輸出藝人的個(gè)數(shù);第二步將用戶行為表和歌曲藝人表以歌曲song_id作為關(guān)聯(lián)，合并為一個(gè)大表，各列名稱為第一到第五列與用戶行為表的列名一致，第六到第十列為歌曲藝人表中的第二列到第六列的列名，輸出文件命名為exp2_2.csv;第三步統(tǒng)計(jì)每個(gè)藝人每天所有歌曲的播放量，輸出文件命名為exp2_3.csv，其中各個(gè)列名分別為藝人ID，日期Ds，歌曲播放總量。結(jié)果文件需要首先對(duì)藝人的ID進(jìn)行排序，然后對(duì)日期DS進(jìn)行排序輸出。注意這里只統(tǒng)計(jì)歌曲的播放量，不包括下載和收藏的數(shù)量。

這兩個(gè)題目對(duì)于僅有python語(yǔ)言基礎(chǔ)的初學(xué)者還是有難度的，但是只有經(jīng)過(guò)這個(gè)過(guò)渡階段，學(xué)生才有能力進(jìn)行后面算法的編程。

2.理論算法與編程實(shí)現(xiàn)的銜接。有了前面兩個(gè)題目做鋪墊，接下來(lái)稍微容易點(diǎn)，但是有些算法比較復(fù)雜，如果讓學(xué)生自己設(shè)計(jì)、編寫算法的所有部分非常困難。以關(guān)聯(lián)規(guī)則算法Apriori為例，這個(gè)實(shí)踐題目要求學(xué)生完成兩個(gè)任務(wù)，一是實(shí)現(xiàn)Apriori算法;二是利用該算法進(jìn)行電影推薦。任務(wù)一需要掃描事務(wù)數(shù)據(jù)庫(kù)獲取k_項(xiàng)目集進(jìn)而得到關(guān)聯(lián)規(guī)則。算法的難點(diǎn)是需要遞歸操作，此時(shí)筆者采取的方法是將程序模塊化，對(duì)每個(gè)模塊（即函數(shù)）的功能進(jìn)行約束，給定輸入輸出參數(shù)和功能描述，引導(dǎo)學(xué)生完成每個(gè)模塊，進(jìn)而完成整個(gè)算法。實(shí)際中，設(shè)計(jì)了7個(gè)函數(shù)實(shí)現(xiàn)Apriori算法[4]。關(guān)聯(lián)規(guī)則主要是從事務(wù)數(shù)據(jù)庫(kù)中挖掘出經(jīng)常在同一購(gòu)物籃中出現(xiàn)的商品，嚴(yán)格講是挖掘出符合一定支持度和置信度的關(guān)聯(lián)規(guī)則。這種方法可以應(yīng)用到電影推薦上，利用用戶對(duì)已經(jīng)觀看過(guò)電影的評(píng)分?jǐn)?shù)據(jù)對(duì)用戶進(jìn)行新電影的推薦。這是對(duì)關(guān)聯(lián)規(guī)則實(shí)際應(yīng)用的典型案例。通過(guò)完成這兩個(gè)任務(wù)，學(xué)生既熟悉了算法細(xì)節(jié)，又了解了算法用途，進(jìn)而提升了對(duì)課程的興趣度。

（二）加強(qiáng)過(guò)程中的監(jiān)督和考核

當(dāng)前多數(shù)實(shí)踐課為了增強(qiáng)學(xué)生的團(tuán)隊(duì)協(xié)作能力，采取分小組合作的方式[1]，一個(gè)小組由多人組成，每人有不同的分工，最后交一份實(shí)驗(yàn)報(bào)告，任課教師根據(jù)報(bào)告給小組每個(gè)同學(xué)打分。但是這種方式會(huì)導(dǎo)致部分學(xué)生渾水摸魚，蒙混過(guò)關(guān)。鑒于此，筆者采取學(xué)生單獨(dú)完成實(shí)驗(yàn)并對(duì)每個(gè)題目進(jìn)行答辯的方式。每位同學(xué)只要完成了一個(gè)題目，就可以找老師進(jìn)行答辯。答辯過(guò)程分為學(xué)生講解和教師提問階段，并且記錄答辯分?jǐn)?shù)。教師在學(xué)生講解代碼的過(guò)程中可以任意打斷并提問，主要考查學(xué)生的編程思維是否清晰、Python的數(shù)據(jù)結(jié)構(gòu)使用是否合理和高效、對(duì)算法的細(xì)節(jié)是否掌握等。這種監(jiān)督和考核機(jī)制非常有效，每位學(xué)生為了通過(guò)答辯會(huì)努力完成任務(wù)，如果自己無(wú)法完成就會(huì)求助其他同學(xué)。答辯過(guò)程中確實(shí)存在代碼相似的現(xiàn)象，但只要學(xué)生對(duì)代碼做到充分理解，也可以通過(guò)答辯。因?yàn)閷?duì)于相對(duì)簡(jiǎn)單的編程題目，能做出新意而且代碼簡(jiǎn)捷是非常不容易的。答辯過(guò)程中教師需要把握的一點(diǎn)就是對(duì)學(xué)生編程思維方式的指導(dǎo)。筆者發(fā)現(xiàn)，有些學(xué)生總是喜歡用特別復(fù)雜的方法解決問題，這時(shí)任課教師需要對(duì)學(xué)生進(jìn)行及時(shí)糾正，指出算法的問題，引導(dǎo)學(xué)生思考更加簡(jiǎn)便的方法。

（三）實(shí)踐內(nèi)容抓重點(diǎn)算法，切忌面面俱到

數(shù)據(jù)挖掘算法一般涉及關(guān)聯(lián)規(guī)則、分類算法和聚類算法，而分類算法又包括決策樹、支持向量機(jī)、樸素貝葉斯等。由于算法本身比較抽象難以理解，全部實(shí)現(xiàn)所有的算法不太現(xiàn)實(shí)。因此，筆者從設(shè)計(jì)的8個(gè)題目中挑選了其中4個(gè)必做的題目：包括上面提到的兩個(gè)數(shù)據(jù)處理題目，一個(gè)關(guān)聯(lián)規(guī)則題目，還有一個(gè)是樸素貝葉斯進(jìn)行文本分類的題目。數(shù)據(jù)挖掘?qū)嵺`主要是經(jīng)典算法的實(shí)現(xiàn)，這部分以算法細(xì)節(jié)實(shí)現(xiàn)為主，不建議學(xué)生調(diào)用庫(kù)函數(shù)完成。盡管庫(kù)函數(shù)非常方便，但是學(xué)習(xí)初期，打下扎實(shí)的基本功是非常重要的。

樸素貝葉斯進(jìn)行文本分類，理論課上介紹了貝葉斯方法的推導(dǎo)過(guò)程以及文本分類的流程。這部分理論不是很復(fù)雜，但是程序?qū)崿F(xiàn)時(shí)卻會(huì)遇到各種問題：如停用詞如何選擇，特征如何選擇，特征如何表示，平滑怎么做，如何評(píng)價(jià)性能等。盡管這僅是個(gè)實(shí)踐題目，但卻非常綜合，包含了文本處理的每個(gè)環(huán)節(jié)。如果學(xué)生把這個(gè)題目完整自己做一遍，收獲是非常大的。

三、數(shù)據(jù)挖掘?qū)嵺`課程的教學(xué)效果以及后續(xù)改進(jìn)

筆者對(duì)實(shí)踐課進(jìn)行全程監(jiān)督和考核，學(xué)生們反映本課程增加了數(shù)據(jù)處理題目，對(duì)于溫習(xí)和熟悉編程語(yǔ)言非常有必要。另外，學(xué)生們普遍認(rèn)為增加答辯環(huán)節(jié)可以有效促進(jìn)實(shí)踐題目的完成率。這種表面上看似學(xué)生單獨(dú)完成編程、缺乏以小組為單位進(jìn)行協(xié)作的方式，恰恰是增加了學(xué)生之間的溝通和交流。因?yàn)閷W(xué)生們?yōu)榱藢?shí)現(xiàn)代碼并完全理解透徹，需要互相討論和學(xué)習(xí)。

考慮到答辯有先后，筆者為了公平，對(duì)每個(gè)學(xué)生的提問也不盡相同，除了程序中放映出的編程思維和效率問題，還會(huì)提問幾個(gè)開放性的思考題。答辯不僅使學(xué)生獲得平時(shí)成績(jī)，也讓他們從老師的提問中獲得啟示和提升。

盡管經(jīng)過(guò)一個(gè)學(xué)期的嘗試取得了一些效果，但是仍存在一些可以改進(jìn)的地方。首先，該實(shí)踐課是第一次進(jìn)行改革，兩個(gè)題目的預(yù)處理題目根據(jù)筆者之前參加比賽時(shí)的前期數(shù)據(jù)處理工作編制而成，學(xué)生們無(wú)法從網(wǎng)上或者其他渠道獲得代碼。而接下來(lái)第二輪的實(shí)踐題目，如果繼續(xù)使用該題目，就存在學(xué)生找高年級(jí)同學(xué)獲取代碼的可能。采取的辦法是發(fā)現(xiàn)新的比賽題目和數(shù)據(jù)進(jìn)行題目編制，或者繼續(xù)在原有比賽數(shù)據(jù)的基礎(chǔ)上修改或者增加任務(wù)。當(dāng)然也可以將比賽題目作為一個(gè)完整案例。其次，掌握調(diào)用庫(kù)函數(shù)完成算法也是學(xué)生需要鍛煉的技能，可以考慮把本實(shí)踐題目分成三個(gè)階段，數(shù)據(jù)處理、不調(diào)用庫(kù)函數(shù)完成和調(diào)用庫(kù)函數(shù)完成，必做題目擴(kuò)充到6～8個(gè)。數(shù)據(jù)挖掘?qū)嵺`課應(yīng)該與時(shí)俱進(jìn)，任課教師應(yīng)每學(xué)期更新實(shí)踐題目，以激發(fā)學(xué)生的學(xué)習(xí)熱情和興趣。最后，該課程也應(yīng)該做好與后續(xù)課程的銜接工作，提前將所需的理論知識(shí)或者實(shí)踐所需知識(shí)告知學(xué)生，做到課程之間無(wú)縫銜接。

四、總結(jié)

本文主要探索了數(shù)據(jù)挖掘?qū)嵺`課程的教學(xué)模式，并提出了三點(diǎn)改革方法，實(shí)踐證明以上方法可以有效促進(jìn)學(xué)生對(duì)該課程算法的理解和掌握，規(guī)范學(xué)生的編程思維和編程習(xí)慣。而且這些方法可以推而廣之，應(yīng)用到其他類似的實(shí)踐課上。

參考文獻(xiàn)

[1]劉波，蔡燕斯，鐘少丹.大數(shù)據(jù)背景下數(shù)據(jù)挖掘課程實(shí)踐教學(xué)的探索[J].高教學(xué)刊，2019（18）：124-128.

[2]關(guān)鵬，錢云，張海永.統(tǒng)計(jì)學(xué)專業(yè)數(shù)據(jù)挖掘課程實(shí)驗(yàn)教學(xué)模式探索[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，34（10）：167-170.

[3]黃浩，余琍，劉樹波.以實(shí)踐和創(chuàng)新能力培養(yǎng)為導(dǎo)向的數(shù)據(jù)挖掘課程教學(xué)方法研究[J].教育教學(xué)論壇，2019，49（12）：130-132.

[4]郝志峰.數(shù)據(jù)科學(xué)與數(shù)學(xué)建模[M].武漢：華中科技大學(xué)出版社，2019：71-79.