《R語言數(shù)據(jù)分析》課程教案(全)_第1頁
《R語言數(shù)據(jù)分析》課程教案(全)_第2頁
《R語言數(shù)據(jù)分析》課程教案(全)_第3頁
《R語言數(shù)據(jù)分析》課程教案(全)_第4頁
《R語言數(shù)據(jù)分析》課程教案(全)_第5頁
已閱讀5頁,還剩30頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、R語言數(shù)據(jù)分析課程教案15.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(1)客戶價值分析是什么?(2)影響航空公司客戶價值的相關(guān)因素有哪些?(3)航空公司客戶價值分析的意義在哪里?16.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(1)客戶價值分析的使用場景有哪些?(2)航空客戶價值分析的步驟與流程有哪些?(3)為何要構(gòu)建關(guān)鍵特征

2、?17.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(1)除了 K-Means算法,能否使用其他算法進行客戶價值分析?(2)構(gòu)建K-Means模型時,為何要選取3為聚類數(shù)?主要知識點、重點與難點18.主要知識點(1) 了解航空公司現(xiàn)狀與客戶價值分析。(2)熟悉航空公司客戶價值分析的步驟與流程。(3)處理數(shù)據(jù)的缺失值與異常值。(4)結(jié)合RFM模型構(gòu)建關(guān)鍵特征。(5)標(biāo)準(zhǔn)化構(gòu)建關(guān)鍵特征后的數(shù)據(jù)。(6) 了解K-Means算法基本原理。(7)使用K-Means算法對航空客

3、戶進行分群。(8)根據(jù)分群結(jié)果制定營銷策略。19 .重點(1)航空公司客戶價值分析的步驟與流程。(2)構(gòu)建關(guān)鍵特征。(3)使用K-Means算法對航空客戶進行分群。(4)根據(jù)分群結(jié)果制定營銷策略。20 .難點(1)構(gòu)建關(guān)鍵特征。(2) K-Means算法的原理與使用。十五、教學(xué)過程設(shè)計21.理論教學(xué)過程了解航空公司現(xiàn)狀。了解客戶價值分析。(3)熟悉航空公司客戶價值分析的步驟與流程。(4)處理數(shù)據(jù)。(5)結(jié)合RFM模型構(gòu)建關(guān)鍵特征。了解K-Means算法基本原理。(7)使用K-Means算法對航空客戶進行分群。(8)根據(jù)分群結(jié)果制定營銷策略。21.理論教學(xué)過程了解航空公司現(xiàn)狀。了解客戶價值分析。

4、(3)熟悉航空公司客戶價值分析的步驟與流程。(4)處理數(shù)據(jù)。(5)結(jié)合RFM模型構(gòu)建關(guān)鍵特征。了解K-Means算法基本原理。(7)使用K-Means算法對航空客戶進行分群。(8)根據(jù)分群結(jié)果制定營銷策略。22.實驗教學(xué)過程(1)處理數(shù)據(jù)的缺失值與異常值。(2)構(gòu)建LRFMC五個特征,并進行標(biāo)準(zhǔn)化處理。(3)構(gòu)建K-Means模型。第4章財政收入預(yù)測分析教案十六、材料清單(16)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(17)配套 PPT。(18)引導(dǎo)性提問。(19)探究性問題。(20)拓展性問題。十七、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)主要介紹原始數(shù)據(jù)的相關(guān)性分析、特征的選取、構(gòu)建灰色預(yù)測和支持向量回歸預(yù)測模

5、型、 模型的評價四局部內(nèi)容。在財政收入相關(guān)數(shù)據(jù)的相關(guān)性分析中,采用簡單相關(guān)系數(shù)對數(shù)據(jù)進 行了分析;在特征選取中,運用廣泛使用的Lasso回歸模型;在模型的構(gòu)建階段,針對歷史 數(shù)據(jù)首先構(gòu)建了灰色預(yù)測模型,對所選特征的2014年與2015年的值進行預(yù)測,然后根據(jù)所 選特征的原始數(shù)據(jù)與預(yù)測值,建立支持向量回歸模型,得到財政收入的最終預(yù)測值。.基本要求了解財政收入預(yù)測的背景知識,分析步驟和流程。(6)掌握相關(guān)性分析方法與應(yīng)用。(7)掌握用Lasso模型特征選取方法。(9)掌握灰色預(yù)測和支持向量回歸算法的原理與應(yīng)用。十八、問題.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)

6、生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(4)市財政收入的構(gòu)成是什么?(5)影響財政收入的相關(guān)因素有哪些?(6)市財政收入預(yù)測的意義在哪里?.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(4)相關(guān)性分析的使用場景有哪些?(5) Lasso回歸使用場景有哪些?(6)為何要提取關(guān)鍵特征?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題

7、。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(3)除了 SVR還有很多回歸算法,能否使用其他回歸算法解決該需求?(4)國家數(shù)據(jù)網(wǎng)有很多類似數(shù)據(jù),能否預(yù)測某個省的財政收入呢?十九、主要知識點、重點與難點.主要知識點(9)財政收入預(yù)測的背景知識,分析步驟和流程。(10)相關(guān)性分析方法與應(yīng)用。(11)用Lass。模型特征選取方法。(12)灰色預(yù)測和支持向量回歸算法的原理與應(yīng)用。.重點(5)財政收入預(yù)測的步驟和流程。(6)相關(guān)性分析方法與應(yīng)用。(7)使用Lasso模型選取特征。(8)灰色預(yù)測算法的原理與使用。(9)支持向量回歸算法的原理與使用。.難點(3)使用Lasso模型選取特征。(4)灰

8、色預(yù)測算法的原理與使用。(5)支持向量回歸算法的原理與使用。二十、教學(xué)過程設(shè)計31.理論教學(xué)過程(9)分析財政收入預(yù)測背景。(10) 了解財政收入預(yù)測的方法。(11)熟悉財政收入預(yù)測的步驟與流程。(12) 了解相關(guān)性分析。(13)分析計算結(jié)果。(14) 了解Lasso回歸方法。(15)分析Lasso回歸結(jié)果。(16) 了解灰色預(yù)測算法。31.理論教學(xué)過程(9)分析財政收入預(yù)測背景。(10) 了解財政收入預(yù)測的方法。(11)熟悉財政收入預(yù)測的步驟與流程。(12) 了解相關(guān)性分析。(13)分析計算結(jié)果。(14) 了解Lasso回歸方法。(15)分析Lasso回歸結(jié)果。(16) 了解灰色預(yù)測算法。7

9、) 了解SVR算法。(18)分析預(yù)測結(jié)果。.實驗教學(xué)過程(4)分析財政收入數(shù)據(jù)特征的相關(guān)性。(5)使用Lasso回歸選取財政收入預(yù)測的關(guān)鍵特征。(6)使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型。(7)評價SVR模型。第5章金融服務(wù)機構(gòu)資金流量預(yù)測教案二十一、材料清單(21)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(22)配套 PPT。(23)引導(dǎo)性提問。(24)探究性問題。(25)拓展性問題。二十二、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)借助國內(nèi)某金融服務(wù)機構(gòu)資金流入的數(shù)據(jù),介紹時間序列分析法中ARIMA模型在實際 工程中的應(yīng)用過程。對時間序列的平穩(wěn)性檢驗、純隨機性檢驗和模型定階做詳細說明。最后 結(jié)合模型的誤差與得分

10、,選擇相對最優(yōu)模型,詳細地描述數(shù)據(jù)分析的整個過程。.基本要求(8)熟悉金融服務(wù)機構(gòu)資金流量預(yù)測的步驟與流程。(9)掌握數(shù)據(jù)平穩(wěn)性檢驗和處理方法,以及純隨機性檢驗。(10)使用ARIMA模型對資金流量進行預(yù)測。二十三、問題35 .引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(7)金融服務(wù)機構(gòu)現(xiàn)狀有哪些?(8)預(yù)測的算法有哪些?(9)預(yù)測資金流量的意義在哪里?.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式

11、提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(7)金融服務(wù)機構(gòu)資金流量預(yù)測的步驟與流程有哪些?(8) ARIMA模型定階的方法還有哪些?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(5)除了 ARIMA模型外,能否使用其他方法預(yù)測資金流量?二十四、主要知識點、重點與難點.主要知識點(13)分析金融服務(wù)機構(gòu)現(xiàn)狀與數(shù)據(jù)的基本情況。(14)熟悉金融服務(wù)機構(gòu)資金流量預(yù)測的步驟與流程。(15)對數(shù)據(jù)進行平穩(wěn)性檢驗和處理的方法。(16)對通過平穩(wěn)性檢

12、驗的數(shù)據(jù)進行純隨機性檢驗。了解ARIMA模型的原理。了解定階的方式,并識別模型的階數(shù)。(19)建立ARIMA模型,并計算誤差與得分。.重點(10)金融服務(wù)機構(gòu)資金流量預(yù)測的步驟與流程。(11)對數(shù)據(jù)進行平穩(wěn)性檢驗和處理,以及純隨機性檢驗。(12)識別模型的階數(shù)。(13)建立ARIMA模型,并計算誤差與得分。.難點識別模型的階數(shù)。二十五、教學(xué)過程設(shè)計4L理論教學(xué)過程(19)分析金融服務(wù)機構(gòu)現(xiàn)狀。了解數(shù)據(jù)的基本情況。(21)認識資金流量預(yù)測。(22)熟悉金融服務(wù)機構(gòu)資金流量預(yù)測的步驟與流程。了解平穩(wěn)性檢驗的方法。了解純隨機性檢驗的原理。了解定階的方式,并識別模型的階數(shù)。(26)建立ARIMA模型,

13、并計算誤差與得分。42 .實驗教學(xué)過程(8)對數(shù)據(jù)進行平穩(wěn)性檢驗和處理。(9)對處理后的平穩(wěn)序列進行純隨機性檢驗。(10)對處理后的平穩(wěn)序列進行模型定階。第1章R語言數(shù)據(jù)分析概述一、材料清單(1)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(2)配套 PPT。(3)引導(dǎo)性提問。(4)探究性問題。(5)拓展性問題。二、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)根據(jù)目前數(shù)據(jù)分析開展?fàn)顩r,將數(shù)據(jù)分析具象化。而后介紹數(shù)據(jù)分析的概念,流程,目 的以及應(yīng)用場景。闡述使用R語言進行數(shù)據(jù)分析的優(yōu)勢。列舉說明R語言數(shù)據(jù)分析重要 Packages的功能。.基本要求了解數(shù)據(jù)分析的概念。了解數(shù)據(jù)分析的流程。了解數(shù)據(jù)分析在實際中的應(yīng)用。了解R語言數(shù)

14、據(jù)分析中常用的Packages。三、問題1.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問(11)對模型進行殘差檢驗,并評估模型。第6章P2P信用貸款風(fēng)險控制教案二十六、材料清單(26)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(27)配套 PPT。(28)引導(dǎo)性提問。(29)探究性問題。(30)拓展性問題。二十七、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)通過數(shù)據(jù)分析的方法構(gòu)建P2P信貸用戶還款逾期率模型。重點介紹數(shù)據(jù)探索和數(shù)據(jù)清 洗的內(nèi)容,并深度分析出影響用戶還款逾期的重要因素。根據(jù)分析結(jié)果,為某P2P信貸企 業(yè)提出了后期業(yè)務(wù)改進意見。.基本要求(11)熟悉用戶逾期預(yù)測的步驟與

15、流程。(12)掌握結(jié)構(gòu)化數(shù)據(jù)探索,并提取其中有效信息的方法與步驟。(13)掌握常見數(shù)據(jù)預(yù)處理方法。(14)熟悉GBM模型構(gòu)建與參數(shù)調(diào)節(jié)方法。(15)找出影響用戶逾期還款的關(guān)鍵因素。(16)使用GBM算法預(yù)測用戶逾期還款的概率。二十八、問題.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。P2P信貸行業(yè)現(xiàn)狀有哪些?(11)怎么控制P2P信貸風(fēng)險?.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ?/p>

16、導(dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。P2P信貸用戶逾期預(yù)測的步驟與流程有哪些?P2P信貸用戶逾期預(yù)測的方法還有哪些?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(6)除了 GBM算法外,能否使用其他算法預(yù)測P2P信貸用戶逾期?二十九、主要知識點、重點與難點.主要知識點(20)分析P2P信貸行業(yè)所面臨的現(xiàn)狀。了解某P2P信貸平臺現(xiàn)階段數(shù)據(jù)情況。(22)熟悉P2P信貸用戶逾期預(yù)測的基本流程與步驟。(23)分析用戶信息完善程度、用戶信息修改情況、區(qū)域經(jīng)

17、濟開展情況、借款月份情 況分別與逾期率之間的關(guān)系。(24)使用第三方平臺信息構(gòu)建特征。(25)處理類別型特征,插補數(shù)值型特征缺失值與篩選冗余特征。了解GBM算法的基本原理,優(yōu)缺點和使用場景。(27)使用ROC曲線評價構(gòu)建完成的GBM模型。(28)分析構(gòu)建的GBM模型的計算結(jié)果。.重點P2P信貸用戶逾期預(yù)測的步驟與流程。(15)分析戶信息完善程度、用戶信息修改情況、區(qū)域經(jīng)濟開展情況、借款月份情況 分別與逾期率之間的關(guān)系。(16)使用第三方平臺信息構(gòu)建特征。(17)處理類別型特征,插補數(shù)值型特征缺失值與篩選冗余特征。(18)使用ROC曲線評價構(gòu)建完成的GBM模型。.難點處理類別型特征,插補數(shù)值型特

18、征缺失值與篩選冗余特征。三十、教學(xué)過程設(shè)計5L理論教學(xué)過程(27)分析P2P信貸行業(yè)所面臨現(xiàn)狀。了解數(shù)據(jù)的基本情況。(29)認識資金流量預(yù)測。(30)熟悉P2P信貸用戶逾期預(yù)測的步驟與流程。(31)分析用戶信息完善程度、用戶信息修改情況、區(qū)域經(jīng)濟開展情況、借款月份情況分別與逾期率之間的關(guān)系。(32)使用第三方平臺信息構(gòu)建特征。(33)處理類別型特征,插補數(shù)值型特征缺失值與篩選冗余特征。了解GBM算法的基本原理,優(yōu)缺點,使用場景與R語言函數(shù)。(35)使用ROC曲線評價構(gòu)建完成的GBM模型。(36)分析構(gòu)建的GBM模型的計算結(jié)果。.實驗教學(xué)過程(12)畫圖分別展示用戶信息完善程度、用戶信息修改情況

19、、區(qū)域經(jīng)濟開展情況、借 款月份情況分別與逾期率的分布。(13)使用第三方平臺信息構(gòu)建特征。(14)對登錄信息表和更新信息表進行長寬表轉(zhuǎn)換。(15)針對類別型特征進行字符串處理和啞變量處理。(16)處理數(shù)值型數(shù)據(jù)的缺失值。(17)篩選冗余特征。(18)構(gòu)建GBM模型,并繪制特征重要性圖。(19)評價GBM模型。第7章電子商務(wù)網(wǎng)站智能推薦服務(wù)教案三十一、材料清單(31)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(32)配套 PPT。(33)引導(dǎo)性提問。(34)探究性問題。(35)拓展性問題。三十二、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)主要介紹協(xié)同過濾算法在電子商務(wù)領(lǐng)域中實現(xiàn)用戶個性化推薦的應(yīng)用。通過對用戶訪問 網(wǎng)頁日志

20、的數(shù)據(jù)進行分析與處理,采用基于物品的協(xié)同過濾算法進行建模分析,最后通過模 型評價與結(jié)果分析,得到智能推薦模型。.基本要求(17)熟悉網(wǎng)站智能推薦的步驟與流程。(18)掌握簡單的統(tǒng)計分析方法,運用于網(wǎng)頁流量的統(tǒng)計。(19)對某網(wǎng)站數(shù)據(jù)進行預(yù)處理,包括數(shù)據(jù)去重、數(shù)據(jù)變換和特征選取。(20)使用協(xié)同過濾算法對某網(wǎng)站進行智能推薦。三十三、問題.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(12)什么是智能推薦?(13)生活中常見的智能推薦服務(wù)有哪些?(14)實現(xiàn)智能推薦的算法有哪些?.探究性

21、問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(11)網(wǎng)站的推薦流程是怎么樣的?(12)協(xié)同過濾算法除了基于物品的算法外,還有哪些?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(7)除了協(xié)同過濾算法外,能否使用其他算法預(yù)測實現(xiàn)網(wǎng)站的智能推薦?三十四、主要知識點、重點與難點.主要知識點9) 了解智能推薦服務(wù)應(yīng)用場景。0)

22、了解某法律網(wǎng)站現(xiàn)狀與數(shù)據(jù)的基本情況。(31)熟悉網(wǎng)站智能推薦的步驟與流程。(32)分析原始數(shù)據(jù)用戶點擊的網(wǎng)頁類型,得到統(tǒng)計分析結(jié)果。(33)根據(jù)原始數(shù)據(jù)用戶瀏覽網(wǎng)頁次數(shù)的情況進行統(tǒng)計分析。(34)通過原始數(shù)據(jù)用戶在瀏覽頁面時的情況得到網(wǎng)頁排名的統(tǒng)計分析。(35)識別翻頁的網(wǎng)址,并對其進行還原,然后對用戶訪問的頁面進行去重操作。(36)將數(shù)據(jù)探索過程中類型歸錯的數(shù)據(jù)進行手動網(wǎng)址分類,對處理后的數(shù)據(jù)進行特 征選取。(37)基于物品的協(xié)同過濾算法,計算出物品之間的相似度。(38)根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表。(39)對模型進行評價,判斷推薦系統(tǒng)的好壞。59 .重點(19)網(wǎng)站智

23、能推薦的步驟與流程。(20)統(tǒng)計網(wǎng)頁整體流量狀況。(21)基于物品的協(xié)同過濾算法,計算出物品之間的相似度。(22)根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表。(23)對模型進行評價,判斷推薦系統(tǒng)的好壞。.難點(1)基于物品的協(xié)同過濾算法,計算出物品之間的相似度。(2)根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表。三十五、教學(xué)過程設(shè)計.理論教學(xué)過程了解智能推薦服務(wù)應(yīng)用場景。了解某法律網(wǎng)站的基本情況。(39)分析原始數(shù)據(jù)用戶點擊的網(wǎng)頁類型,得到統(tǒng)計分析結(jié)果。(40)根據(jù)原始數(shù)據(jù)用戶瀏覽網(wǎng)頁次數(shù)的情況進行統(tǒng)計分析。(41)通過原始數(shù)據(jù)用戶在瀏覽頁面時的情況得到網(wǎng)頁排名的統(tǒng)計分析。(42

24、)清除數(shù)據(jù)探索分析過程中發(fā)現(xiàn)與目標(biāo)無關(guān)的數(shù)據(jù)。(43)識別翻頁的網(wǎng)址,并對其進行還原,然后對用戶訪問的頁面進行去重操作。(44)將數(shù)據(jù)探索過程中類型歸錯的數(shù)據(jù)進行手動網(wǎng)址分類,對處理后的數(shù)據(jù)進行特 征選取。(45)基于物品的協(xié)同過濾算法,計算出物品之間的相似度。(46)根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表。(47)對模型進行評價,判斷推薦系統(tǒng)的好壞。.實驗教學(xué)過程(20)使用RMySQL包中的dbConnect連接數(shù)據(jù)庫。(21)統(tǒng)計101、107和199等網(wǎng)頁類型。(22)統(tǒng)計用戶在網(wǎng)頁的點擊次數(shù)。(23)分析網(wǎng)頁排名。(24)刪除不符合規(guī)那么的網(wǎng)頁。(25)還原翻頁網(wǎng)址。(2

25、6)劃分正確的網(wǎng)頁類型。(27)將處理后的數(shù)據(jù)轉(zhuǎn)換成0-1二元型數(shù)據(jù)。(28)構(gòu)建智能推薦模型。(29)評價智能推薦模型。第8章電商產(chǎn)品評論數(shù)據(jù)情感分析教案三十六、材料清單(36)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(37)配套 PPT。(38)引導(dǎo)性提問。(39)探究性問題。(40)拓展性問題。三十七、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)主要介紹通過R語言進行工程數(shù)據(jù)爬取,對文本數(shù)據(jù)進行預(yù)處理,分詞,去除停用詞 等操作,在知網(wǎng)情感詞表上進行優(yōu)化,進行基于詞表的情感分析,最后使用LDA主題模型 對正負面評論進行主題分析。.基本要求(21)熟悉電商產(chǎn)品評論數(shù)據(jù)實現(xiàn)情感分析的步驟與流程。2) 了解如何使用R語言對

26、互聯(lián)網(wǎng)信息進行爬取。(23)掌握文本分析的預(yù)處理方法。(24)對預(yù)處理后的評論數(shù)據(jù)進行情感分析。(25)使用LDA模型對正、負面評論數(shù)據(jù)進行主題分析。三十八、問題題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(1)數(shù)據(jù)分析能夠做什么?(2)現(xiàn)實生活中存在哪些數(shù)據(jù)分析技術(shù)?(3)該如何進行數(shù)據(jù)分析?(4) R語言有哪些優(yōu)勢?探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(1)數(shù)據(jù)分析的完整流程是怎樣的?(2)數(shù)據(jù)分析的能夠應(yīng)

27、用在那些場景?3) R語言常用的Packages有哪些?3 .拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(1)數(shù)據(jù)分析是不是萬能的?(2)分析本班人員的基本信息可以從哪些角度入手?四、主要知識點、重點與難點要知識點(1)數(shù)據(jù)分析的概念、流程與應(yīng)用場景。R語言在數(shù)據(jù)分析中的優(yōu)勢。R語言常用的Packages。.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(

28、15)哪里有電商產(chǎn)品評論的數(shù)據(jù)?(16)情感分析的方法有哪些?.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(13) LDA模型得到的主題是否還能優(yōu)化?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(8)除了文中介紹的獲取評論數(shù)據(jù)的方法外,還有哪些方法庫獲取評論數(shù)據(jù)?(9)主題分析除了 LDA模型外,還有哪些?三十

29、九、主要知識點、重點與難點.主要知識點了解電商企業(yè)現(xiàn)狀。(41)熟悉電商評論數(shù)據(jù)情感分析的步驟與基本流程。(42)掌握獲取評論數(shù)據(jù)的方法。(43)對電商產(chǎn)品評論數(shù)據(jù)進行預(yù)處理,包括行分詞處理,去除停用詞,查看分詞效果。(44)基于情感詞表進行情感詞匹配,并對情感詞的傾向進行修正。(45)對情感分析結(jié)果進行檢驗。了解主題模型,以及LDA模型原理與參數(shù)估計方法。(47)掌握尋找最優(yōu)主題數(shù)的方法。(48)建立相應(yīng)的LDA模型。(49)分析LDA模型的結(jié)果。.重點(24)獲取網(wǎng)絡(luò)數(shù)據(jù)。(25)對電商產(chǎn)品評論數(shù)據(jù)進行預(yù)處理。了解主題模型,以及LDA模型原理與參數(shù)估計方法。(27)掌握尋找最優(yōu)主題數(shù)的方法

30、。(28)建立相應(yīng)的LDA模型。(29)分析LDA模型的結(jié)果。.難點(3)掌握尋找最優(yōu)主題數(shù)的方法。(4)分析LDA模型的結(jié)果。四十、教學(xué)過程設(shè)計7L理論教學(xué)過程了解電商企業(yè)現(xiàn)狀。了解網(wǎng)絡(luò)上發(fā)布內(nèi)容的技術(shù)和Web文檔中提取信息的技術(shù),以獲取網(wǎng)絡(luò)數(shù)據(jù)。(50)對電商產(chǎn)品評論數(shù)據(jù)進行預(yù)處理,包括行分詞處理,去除停用詞,查看分詞效 果。(51)基于情感詞表進行情感詞匹配,并對情感詞的傾向進行修正。(52)對情感分析結(jié)果進行檢驗。(53) 了解主題模型,以及LDA模型原理與參數(shù)估計方法。(54)掌握尋找最優(yōu)主題數(shù)的方法。(55)建立相應(yīng)的LDA模型。(56)進行LDA主題分析。72 .實驗教學(xué)過程(3

31、0)獲取評論頁面頁面網(wǎng)頁源碼,循環(huán)爬取評論數(shù)據(jù)。(31)去除評論數(shù)據(jù)的數(shù)字、字母。(32)對評論數(shù)據(jù)進行去重。(33)對評論數(shù)據(jù)進行分詞處理。(34)根據(jù)停用詞庫去除評論文本中的停用詞。(35)繪制詞云圖,查看分詞效果。(36)將情感詞表與分詞結(jié)果進行匹配。(37)對情感值的方向進行修正,并計算情感分析的準(zhǔn)確率。(38)分別對正面評論和負面評論繪制詞云,查看情感分析效果。(39)對正面情感詞與負面情感詞構(gòu)建語料庫,并建立文檔-詞條矩陣。(40)使用LDA主題模型,找出不同主題數(shù)下的主題詞,尋找最優(yōu)主題數(shù)。(41)輸入正面情感與負面情感評論求解LDA模型,并分析結(jié)果。第9章餐飲企業(yè)綜合分析教案四

32、十一、材料清單(41)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(42)配套 PPT。(43)引導(dǎo)性提問。(44)探究性問題。(45)拓展性問題。四十二、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)主要介紹利用多種模型綜合分析餐飲企業(yè),先介紹餐飲企業(yè)的現(xiàn)狀,對數(shù)據(jù)進行簡單的 統(tǒng)計分析。而后利用ARIMA模型、智能推薦、K-Means模型和決策樹模型,對某餐飲企業(yè) 的菜品和客戶進行不同方面的分析,并針對性地提出相關(guān)建議,以提高某餐飲企業(yè)的經(jīng)營收 AZ.o.基本要求(26)熟悉餐飲企業(yè)數(shù)據(jù)分析的步驟與流程。了解簡單的統(tǒng)計分析的應(yīng)用。(28)使用ARIMA預(yù)測銷售額。(29)使用協(xié)同過濾算法對菜品進行智能推薦。(30)使用Apr

33、iori算法對菜品進行關(guān)聯(lián)分析。(31)使用K-Means算法進行客戶分群。(32)使用決策樹算法進行客戶流失預(yù)測。四十三、問題.引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平,提出問題,啟發(fā)引導(dǎo)學(xué)生去解決問 題,提問,從而到達理解、掌握知識,開展各種能力和提高思想覺悟的目的。(17)目前一般餐飲企業(yè)會面臨哪些問題?(18)餐飲企業(yè)產(chǎn)生的數(shù)據(jù)有哪些,能做什么分析?.探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計,提問的角度或者在引導(dǎo)性提問的 基礎(chǔ)上,從重點、難點問題切入,進行插入式提問?;蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課 文中又是重要的問題加以設(shè)問。(14)客戶價值分析構(gòu)建的

34、模型是否還能優(yōu)化?(15)客戶流失預(yù)測模型是否還能優(yōu)化?.拓展性問題拓展性問題需要教師深刻理解教材的意義,學(xué)生的學(xué)習(xí)動態(tài)后,根據(jù)學(xué)生學(xué)習(xí)層次,提 出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討,完成拓展性問 題。(10)客戶流失預(yù)測的方法,除了決策樹之外,還有哪些方法?四十四、主要知識點、重點與難點.主要知識點(50) 了解餐飲企業(yè)的數(shù)據(jù)情況。(51)明確餐飲企業(yè)數(shù)據(jù)分析的流程。(52)使用統(tǒng)計分析方法分析餐飲企業(yè)的菜品數(shù)據(jù)。(53)繪制原序列的時序圖,查看序列周期性。(54)檢驗原序列的平穩(wěn)性和純隨機性。(55)使用BIC圖進行定階。(56)構(gòu)建ARIMA模型,并分析預(yù)測

35、結(jié)果。(57)對訂單表特征選取,構(gòu)建客戶ID和菜品名稱的二元矩陣。(58)基于物品的協(xié)同過濾算法,計算菜品與菜品之間的相似度,并結(jié)合客戶的歷史 行為給目標(biāo)客戶生成推薦列表。(59)基于用戶的協(xié)同過濾算法,計算客戶與客戶之間的相似度,并結(jié)合客戶對菜品 的興趣給目標(biāo)客戶生成推薦列表。(60)對推薦結(jié)果進行評價。(61)根據(jù)特征選取后的數(shù)據(jù),構(gòu)建購物籃數(shù)據(jù),構(gòu)建二元矩陣,及關(guān)聯(lián)規(guī)那么模型。(62)根據(jù)關(guān)聯(lián)規(guī)那么模型的置信度,統(tǒng)計得到的熱銷度和毛利率,及菜品詳情表的主推度,計算推薦的綜合評分。(63)對原始數(shù)據(jù)進行處理,提取餐飲客戶的3個特征數(shù)據(jù)。(64)使用K-Means聚類算法對客戶進行分群。(6

36、5)結(jié)合業(yè)務(wù)對每個客戶群進行客戶價值分析。(66)合并客戶信息表和訂單表,構(gòu)建相關(guān)客戶流失特征。(67)劃分訓(xùn)練集和測試集,構(gòu)建決策樹模型。(68)分析決策樹模型的結(jié)果。79 .重點(30)使用統(tǒng)計分析方法分析餐飲企業(yè)的菜品數(shù)據(jù)。(31)使用BIC圖進行定階,構(gòu)建ARIMA模型,并分析預(yù)測結(jié)果。(32)基于物品的協(xié)同過濾算法,計算菜品與菜品之間的相似度,并結(jié)合客戶的歷史 行為給目標(biāo)客戶生成推薦列表。(33)基于用戶的協(xié)同過濾算法,計算客戶與客戶之間的相似度,并結(jié)合客戶對菜品的興趣給目標(biāo)客戶生成推薦列表o(34)根據(jù)特征選取后的數(shù)據(jù),構(gòu)建購物籃數(shù)據(jù),構(gòu)建二元矩陣,及關(guān)聯(lián)規(guī)那么模型。(35)使用K

37、-Means聚類算法對客戶進行分群,并結(jié)合業(yè)務(wù)對每個客戶群進行客戶價 值分析。(36)合并客戶信息表和訂單表,構(gòu)建相關(guān)客戶流失特征。(37)劃分訓(xùn)練集和測試集,構(gòu)建決策樹模型,并分析決策樹模型的結(jié)果。80 .難點(5)使用K-Means聚類算法對客戶進行分群,并結(jié)合業(yè)務(wù)對每個客戶群進行客戶價 值分析。(6)合并客戶信息表和訂單表,構(gòu)建相關(guān)客戶流失特征。四十五、教學(xué)過程設(shè)計8L理論教學(xué)過程7) 了解餐飲企業(yè)的現(xiàn)狀和數(shù)據(jù)情況。(58)明確餐飲企業(yè)數(shù)據(jù)分析的流程。(59)使用統(tǒng)計分析方法分析餐飲企業(yè)的菜品數(shù)據(jù)。(60)檢驗原序列的平穩(wěn)性和純隨機性。(61)使用BIC圖進行定階,構(gòu)建ARIMA模型,并

38、分析預(yù)測結(jié)果。(62)基于物品的協(xié)同過濾算法,計算菜品與菜品之間的相似度,并結(jié)合客戶的歷史 行為給目標(biāo)客戶生成推薦列表。(63)基于用戶的協(xié)同過濾算法,計算客戶與客戶之間的相似度,并結(jié)合客戶對菜品 的興趣給目標(biāo)客戶生成推薦列表。(64)根據(jù)特征選取后的數(shù)據(jù),構(gòu)建購物籃數(shù)據(jù),構(gòu)建二元矩陣,及關(guān)聯(lián)規(guī)那么模型。(65)使用K-Means聚類算法對客戶進行分群,并結(jié)合業(yè)務(wù)對每個客戶群進行客戶價 值分析。(66)合并客戶信息表和訂單表,構(gòu)建相關(guān)客戶流失特征。(67)劃分訓(xùn)練集和測試集,構(gòu)建決策樹模型,并分析決策樹模型的結(jié)果。82.實驗教學(xué)過程(42)統(tǒng)計每日用餐人數(shù)和銷售額,計算菜品熱銷度和毛利率。(4

39、3)對原序列進行平穩(wěn)性檢驗和純隨機性檢驗,對ARIMA模型進行定階,并進行 殘差檢驗,計算平均誤差。(44)對訂單表和訂單詳情表進行特征選取,分別使用ItemCF算法和UserCF算法構(gòu) 建模型,進行離線測試評價。(45)基于特征選取后的數(shù)據(jù)構(gòu)建購物籃數(shù)據(jù),構(gòu)建Apriori模型,計算綜合評分;再 構(gòu)建客戶價值分析的關(guān)鍵特征,確定聚類數(shù)后構(gòu)建K-Means模型。(46)合并客戶信息表和訂單表,構(gòu)建客戶流失特征,構(gòu)建決策樹模型,并對模型進行評價。2.重點(1)數(shù)據(jù)分析的概念、流程與應(yīng)用場景。2) R語言常用的Packages。.難點數(shù)據(jù)分析的概念與流程。五、教學(xué)過程設(shè)計.理論教學(xué)過程(1)數(shù)據(jù)分析的概念。(2)數(shù)據(jù)分析的流程。(3)數(shù)據(jù)分析的應(yīng)用場景。(4)數(shù)據(jù)分析的常用工具。R語言數(shù)據(jù)分析的優(yōu)勢。R語言常用的Packageso.實驗教學(xué)過程在Windows系統(tǒng)上安裝R語言。第2章商品零售購物籃分析教案六、材料清單(6)R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)教材。(7)配套 PPT。(8)引導(dǎo)性提問。(9)探究性問題。(10)拓展性問題。七、教學(xué)目標(biāo)與基本要求.教學(xué)目標(biāo)結(jié)合商品零售購物籃的工程,重點介紹關(guān)聯(lián)規(guī)那么算法中的Apriori算法在商品零售購物 籃分析案例中的應(yīng)用。過程中詳細分析商品零售的現(xiàn)狀與問題,根據(jù)某商場的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論