粗糙集的课件，内容还挺硬核的，适合你想搞清楚什么是属性约简、规则提取的时候看看。讲义是老师内部整理的，资料挺系统，从 RS 理论的起源讲到怎么落地用在数据挖掘里，跨度大但逻辑清楚。

粗糙集的核心是不完整信息，说白了就是你数据不全、样本有噪声，它还能帮你找出哪些字段最关键。比如你做一个问卷，字段一堆，但真正影响结果的就仨，RS 就能帮你找出来。

属性约简和规则提取这块讲得还不错，配了例子，思路清晰，代码量也不大，适合自己动手跑一跑。

数据挖掘方向的朋友，是对规则挖掘感兴趣的，可以顺手看看这篇《基于扩展粗糙集的近似概念格规则挖掘》，思路还蛮新颖的。

如果你更关注算法落地，可以看看这个《基于 MapReduce 的并行粗糙集知识获取方法》，做大数据的时候也挺有参考价值。

建议你配合代码动手练一下，关键是理解 RS 怎么做约简的，那一块是整个理论的核心。如果你正在学数据挖掘或者做决策系统，这套资料可以当参考笔记用，挺实用的。