科目名 | データマイニング | ||
単位数 | 2.0 | ||
担当者 | 知能工学専攻 准教授 黒木 進 | ||
履修時期 | 後期(第3ターム) | ||
履修対象 | 3年次 | ||
講義形態 | 講義 | ||
講義の目的 | データマイニングの主要なテーマである(1)頻出パターン抽出、(2)クラス分類、(3)クラスタリングについての解説をとおして、その数理的な基礎と考え方を理解する。 | ||
到達目標 |
データマイニングの分析法について、その数理的な原理を説明できる。【知識2、技能1】 学習した知識を用いて分析できる。【思考力、判断力】 |
||
受講要件 | 「データ構造とアルゴリズムT」、「データ構造とアルゴリズムU」、「データベース」、「確率統計」、「情報理論」を受講していることが望ましい。 | ||
履修取消の可否 | 可 | ||
履修取消不可の理由 | |||
事前・事後学修 |
授業の前に教科書をよく読み、不明な点を明確にする。 関連するニュースや新聞記事などを読み、幅広く知識を身に付ける。 コンピュータを使ってデータマイニングを実際に行ってみる。 |
||
講義内容 |
1.はじめに(応用事例紹介やデータウェアハウスなど) 2.決定木学習(1) 情報利得に基づく場合 3.決定木学習(2) 情報利得比に基づく場合 4.ルール学習 5.ナイーブベイズ学習 6.階層的クラスタリング 7.非階層的クラスタリング(1) K-means法 8.非階層的クラスタリング(2) Fuzzy C-means法 9.中間まとめ 10.サポートベクトルマシン(1) 線形サポートベクトルマシン 11.サポートベクトルマシン(2) カーネルトリック 12.サポートベクトルマシン(3) ソフトマージンサポートベクトルマシン 13.相関ルール(1) 多頻度アイテム集合と相関ルール 14.相関ルール(2) アプリオリアルゴリズム 15.位置情報への応用 ※講義の順序は変更することがある。 ※上記とは別に期末試験を実施する。 |
||
期末試験実施の有無 | 実施する | ||
評価方法・基準 |
試験と宿題により評価する。 試験:90%(中間試験45%。期末試験45%) 宿題:10% |
||
教科書等 |
教科書:北上始・黒木進・田村慶一(著)「データベースと知識発見」(コロナ社) 参考書:元田浩・津本周作・山口高平・沼尾正行(著)「IT Text データマイニングの基礎」情報処理学会編集(オーム社) 豊田秀樹(著)「データマイニング入門」(東京図書) |
||
担当者プロフィール |
授業内容やレポートなどに関する、学生の個別学習相談を随時受け付けています。 教員の所在は、学内サイネージ等に掲示されていますので、確認の上、研究室を訪ねてみてください。 黒木 進:マルチメディアデータベースの研究に従事. 研究室:情報科学部棟6階 623号室 |
||
講義に関連する実務経験 | |||
課題や試験に対するフィードバック | 模範解答と解説を提示する。 | ||
アクティブ・ラーニング | 振り返り | ||
キーワード | 決定木、ルール学習、ナイーブベイズ推論、クラスタリング、サポートベクトルマシン、頻出アイテム集合、相関ルール | ||
備考 |