《Python机器学习编程与实战教学教案08通信运营商客户流失分析与预测.docx》由会员分享，可在线阅读，更多相关《Python机器学习编程与实战教学教案08通信运营商客户流失分析与预测.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8章通信运营商客户流失分析与预测教案课程名称：Python机器学习编程与实战课程类别：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：12学时一、材料清单(1) (Python机器学习编程与实战教材。(2)配套 PPT。(3)数据。(4)代码。(5)引导性提问。(6)探究性问题。(7)拓展性问题。二、教学目标与基本要求.教学目标结合通信运营商提供的数据，介绍通信运营商客户流失分析与预测的背景、分析步骤和 流程。介绍对原始数据进行去重和降维的方法。介绍原始数据中缺失值与异常值的检测与处 理。介绍独热编码处理数据的方法。介绍合并处理
2、后的数据和划分数据集的方法。重点介绍 使用MLP算法构建用户流失预测模型。最后介绍预测模型的评价方法。1 .基本要求了解通信运营商客户流失分析与预测的背景、分析步骤和流程。(2)掌握数据去重的方法。(3)掌握数据降维的方法。(4)掌握缺失值与异常值的检测与处理方法。(5)掌握独热编码的使用方法。(6)掌握数据合并的方法。(7)掌握数据集划分的方法。(8)掌握MLP算法的使用方法。(9)掌握分类模型的评价方法。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，发展各种能力和提高思想觉悟的目的。(1)为什么通信运
3、营商的客户会发生流失？(2)将要流失的客户会有什么行为？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。(1)数据中的缺失值是否都需要进行处理？(2)对数据进行降维有什么影响？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讨，完成拓展性问 题。（1）采取哪些措施能够挽留即将流失的用户？（2）除了 MLP选用其他分类算法是否会有更好
4、的效果？四、主要知识点、重点与难点1.主要知识点（1）通信运营商客户流失分析与预测的背景、分析步骤和流程。（2）数据去重的方法。（3）数据降维的方法。（4）缺失值与异常值的检测与处理方法。（5）独热编码的使用方法。（6）数据合并的方法。（7）数据集划分的方法。（8） MLP算法的使用方法。（9）分类模型的评价方法。2.重点（1）数据去重的方法。（2）数据降维的方法。（3）缺失值与异常值的检测与处理方法。（4）独热编码的使用方法。（5） MLP算法的使用方法。（6）分类模型的评价方法。3.难点（1）独热编码的使用方法。2 2） MLP算法的使用方法。五、教学过程设计3 .理论教学过程（1）介绍通
5、信运营商客户流失分析与预测的背景。（2）熟悉分析步骤与流程。（3）掌握原始数据的去重方法。（4）掌握原始数据的降维方法。（5）掌握原始数据中缺失值与异常值的处理方法。（6）掌握合并处理后数据的方法。（7）掌握独立编码的使用方法。（8）掌握数据集划分的方法。（9）掌握使用MLP构建分类预测模型的方法。（10）掌握评价分类模型效果的方法。4 .实验教学过程（1）对原始数据进行去重。（2）对数据进行降维。（3）检测数据中的缺失值和异常值并进行处理。（4）合并处理后的数据。（5）对数据进行独热编码。（6）将数据划分为训练集和测试集。（7）使用MLP构建分类模型。（8）对模型效果进行评价。六、教材与参考资料1 .教材林耀进，张良均.Python机器学习编程与实战M.北京：人民邮电出版社.2020.2 .参考资料1张健，张良均.Python编程基础M.北京：人民邮电出版社.2018.谭立云， 2黄红梅，张良均.Python数据分析与应用M.北京：人民邮电出版社.2018.3张良均.Python数据分析与挖掘实战（第2版）M.北京：机械工业出版社.2019.4李明江，张良均，周东平，张尚佳.Python3智能数据分析快速入门M.北京: 机械工业出版社.2016.5张良均.Python与数据挖掘M.北京：机械工业出版社.2016.