考试概述
华南理工大学（以下简称“华工”）的数据挖掘课程是计算机科学与技术、人工智能等专业的核心课程，考试内容涵盖理论基础、算法应用及实践能力，考试形式通常包括闭卷笔试（占比60%-70%）和课程项目/实验（占比30%-40%），具体以授课教师通知为准。
核心考点分析
-
理论基础
- 数据预处理：缺失值处理、数据标准化、特征选择等。
- 经典算法：决策树（ID3/C4.5）、K-Means聚类、Apriori关联规则、SVM分类等。
- 评估方法：准确率、召回率、F1值、ROC曲线等性能指标。
-
算法应用
- 笔试中常要求手推算法步骤（如朴素贝叶斯分类、PageRank计算）。
- 实验部分可能涉及Python（Scikit-learn库）或R语言实现。
-
前沿技术
可能考察深度学习在数据挖掘中的应用（如神经网络、AutoML）。
备考建议
-
教材与资料
- 主教材：《数据挖掘：概念与技术》（Jiawei Han著）。
- 辅助资料：华工课件、历年真题（可参考学校内部论坛或学长分享）。
-
复习策略
- 分模块突破：先掌握基础概念（如熵、信息增益），再攻克复杂算法。
- 实战练习：通过Kaggle数据集复现算法，强化代码能力。
- 错题整理：历年考题中高频易错点（如过拟合解决方法）。
-
实验项目要点
注重报告规范性：包括问题描述、数据清洗、模型对比、结果可视化。
考试注意事项
- 时间管理：笔试题量较大，建议先完成简答题，再集中解决计算题。
- 答题技巧：算法题需写出关键步骤（如距离公式、迭代过程），避免只写结论。
- 诚信考试：华工对学术不端行为零容忍，引用他人成果需标明出处。
常见问题解答
- Q：考试是否允许带计算器？
A：通常不允许，但需以监考老师当场说明为准。 - Q：实验项目是否允许组队？
A：多数情况下允许2-3人组队，需独立提交报告并答辩。
拓展资源推荐
- 在线课程：Coursera《Data Mining Specialization》（密歇根大学）。
- 工具学习：Python的Pandas、Matplotlib库官方文档。
华工数据挖掘考试注重理论与实践结合,考生需扎实掌握算法原理，并通过项目积累实战经验，合理规划复习时间，善用校内外资源，是取得高分的关键。
引用说明
本文参考华南理工大学计算机学院公开课程大纲、学术论坛讨论及经典教材《数据挖掘：概念与技术》，具体考试要求请以教务处最新通知为准。
