《Python商务数据分析与实战-教案 第6章 构建模型 教案.docx》由会员分享，可在线阅读，更多相关《Python商务数据分析与实战-教案 第6章 构建模型 教案.docx（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第6章构建模型教案课程名称：Python商务数据分析与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时（其中理论36学时，实验28学时）总学分：4.0学分本章学时：1（）学时一、材料清单（1）Python商务数据分析与实战教材。（2）配套 PPT。（3）引导性提问。（4）探究性问题。（5）拓展性问题。二、教学目标与基本要求1 .教学目标根据数据挖掘技术的基本任务，即分类与I可归、聚类、关联规则、时序模式、智能推荐 5个方面，介绍了对应的数据挖掘建模方法及实现过程。分类与回归主要介绍回归模型、决 策树和神经网络；聚类主要介绍K-Means聚类；关联规则主要介绍Apriori算法；
2、时序模式 从序列的平稳性和非平稳型出发，对平稳时间序列主要介绍AR模型、MA模型、ARMA模 型，对差分平稳序列建立ARIMA模型法；智能推荐主要介绍协同过滤推荐算法。2 .基本要求泰迪智能科技官网： 2756 5259打造数据智能as业敕育领军企业（1）掌握Python中分类与回归的方法。（2）掌握Python中聚类分析的方法。（3）掌握Python中关联规则分析的方法。（4）掌握Python中时序模式的分析方法。（5）掌握Pylhon中智能推荐的方法。三、问题1 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问 题，提问，从而达到理解、掌握知识，发展
3、各种能力和提高思想觉悟的目的。（1）常见的模型算法使用场景有哪些？（2）如何评价模型的效果？2 .探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的 基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课 文中又是重要的问题加以设问。3 1）回归模型适用于怎样的条件？4 2）聚类和分类的区别是什么？3 .拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提 出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探时，完成拓展性问 题。（1）不同的算法，可解释性不同，能否挑选一种可解群性强的算
4、法对算法结果进行解 释？（2）聚类算法的评价指标还有哪些？泰迪智能科技官网： 2756 5259打造数据智能as业敕育领军企业四、主要知识点、重点与难点1.主要知识点（1）常用的分类与回归算法。（2）分类与回归的模型评价方法。（3）分类与回归算法基本原理及实现过程。（4）常用的聚类分析算法。（5）聚类模型的评价方法。（6）聚类分析算法简介及基本原理。（7）聚类分析算法实现过程及评价。（8）常用关联规则算法。（9） Apriori算法的原理与实现过程。（10）常见的时间序列模型。（11）时间序列的预处理。（12）平稳时间序列分析。（13）非平稳时间序列分析。（14）常见的智能推荐算法。（15）智
5、能推荐模型的评价方法。（16）协同过滤推荐算法的原理与实现过程。2.重点（|）分类与回归算法基本原理及实现过程。（2）聚类分析算法简介及基本原理。（3）聚类分析算法实现过程及评价。（4） Apriori算法的原理与实现过程。（5）时间序列的预处理。（6）平稳时间序列分析。（7）非平稳时间序列分析。泰迪智能科技官网： 2756 5259打造数据智能as业敕育领军企业（8）协同过滤推荐算法的原理与实现过程。3.难点（1）分类与回归算法基本原理及实现过程。（2）聚类分析算法简介及基本原理。（3） Apriori算法的原理与实现过程。（4）平稳时间序列分析。（5）非平稳时间序列分析。（6）协同过滤推荐
6、算法的原理与实现过程。五、教学过程设计.理论教学过程（1）常用的分类与回归算法。（2）分类与回归算法的评价方法。（3）线性模型的原理。（4）决策树的原理。（5）神经网络的原理。（6）常用聚类分析算法。（7）聚类分析算法的评价方法K-Means聚类算法的原理。（9）常见关联规则算法。（10） Apriori算法的原理。（11）常用的时间序列算法。（12）时间序列预处理的方法。（13）平稳时间序列分析。（14）非平稳时间序列分析。（15）常见智能推荐算法。泰迪智能科技官网： 2756 5259打造数据智能as业敕育领军企业（16）智能推荐算法的评价方法（17）协同过滤推荐算法的原理。1 .实验教学
7、过程（1）使用逻辑回归算法进行分类预测。（2）使用决策树算法进行分类预测。（3）使用神经网络算法进行分类预测。（4）使用K-Means进行聚类分析。（5）使用Apriori算法进行关联分析。（6）使用ARIMA模型进行时间序列分析。（7）使用协同过滤推荐算法进行智能推荐。六、教材与参考资料.教材何伟，张良均.Python商务数据分析与实战M.北京：人民邮电出版社.2022.1 .参考资料1张良均.Python数据分析与挖掘实战M.北京：机械工业出版社.2015.2张良均.PyUion与数据挖掘M.北京：机械工业出版社.2016.（31黄红梅，张良均.Python数据分析与应用M.北京：人民邮电出版社.2018.联系方式：189 2756 5259泰迪智能科技官网：