《Python机器学习编程与实战教学教案07餐饮企业综合分析.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07餐饮企业综合分析.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7章餐饮企业综合分析教案课程名称：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.教学目标结合餐饮企业综合分析案例，介绍针对原始数据使用折线图进行统计分析，进行特征选 择筛选掉原始数据中相关性不强的特征、通过特征构建构造RFM特征和客户流失特征，并 重点介绍K-Means聚类算法在客户价值分析中的应用和决
2、策树算法在客户流失预测中的应 用。针对聚类结果，通过雷达图对不同客户群进行价值分析。针对分类预测模型，通过混淆 矩阵等评价方法评价其预测效果。1 .基本要求了解餐饮企业综合分析的背景知识，分析步骤和流程。(2)掌握使用折线图分析趋势。(3)掌握特征选择和特征构造的方法。(4)掌握使用K-Means算法构建聚类模型的方法。(5)掌握使用决策树算法构建分类模型的方法。(6)掌握进行客户价值分析的方法。(7)掌握评价分类模型效果的方法。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，发展各种能力和提高思想觉悟的目
3、的。(1)什么样的客户是餐饮企业的高价值客户？(2)餐饮企业能提供什么样的数据？(3)餐饮企业为什么要做客户价值分析与客户流失预测？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) RFM模型对应的特征在本案例中是什么？(2)为什么K-Means可以用作客户分类？(3)应该依据哪些条件判断客户是否会流失？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
4、以提供拓展资料供学生研习探讨，完成拓展性问 题。（1）除了 RFM模型外还有什么用于客户分类的模型?（2）除了 K-Means还有什么算法能够用于客户分类？（3）除了决策树还有什么算法能用于预测客户流失？四、主要知识点、重点与难点1 .主要知识点（1）餐饮企业综合分析的背景知识，分析步骤和流程。（2）特征选择与特征构造。（3） K-Means算法的使用方法。（4）决策树算法的使用方法。（5）客户价值分析的方法。（6）分类模型的评价方法。2 .重点（1）餐饮企业综合分析的步骤和流程。（2）特征选择与特征构造。（3） K-Means算法的使用方法。（4）决策树算法的使用方法。（5）客户价值分析的方
5、法。3 .难点K-Means算法的使用方法。（2）决策树算法的使用方法。（3）客户价值分析的方法。五、教学过程设计1 .理论教学过程（1） 了解餐饮企业综合分析的背景。（2）熟悉餐饮企业综合分析的流程。（3）掌握分析变化趋势的方法。（4）掌握筛选相关性不强特征的方法。（5）掌握构建RFM特征的方法。（6）掌握构建客户流失特征的方法。（7）掌握K-Means算法的使用方法。（8）掌握决策树算法的使用方法。（9）掌握客户价值分析的方法。（10）掌握评价分类模型的方法。2 .实验教学过程（1）绘制折线图分析变化趋势。（2）筛选掉原始数据中部分相关性不强的特征。（3）构建RFM特征。（4）构建客户流失
6、特征。（5）使用K-Means算法构建聚类模型。（6）使用决策树算法构建分类预测模型。（7）针对聚类结果进行客户价值分析。（8）评价分类预测模型的效果。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.