Python數據挖掘與機器學習第2版 教案全套 魏偉一 - 第1-17次課 數據挖掘概論-綜合實驗（四）

《數據挖掘與機器學習》課程教案（首頁）學院：計算機系/學院課程/項目名稱數據挖掘與機器學習課程總學時：72學時理論：54學時實驗：18學時學分3課程課程類別：專業(yè)必修■專業(yè)必修□公共必修□公共選修授課教師***授課專業(yè)大數據技術與應用授課班級教學目的和要求本課程的主要目的是培養(yǎng)學生的數據挖掘與機器學習的理論分析與應用實踐的綜合能力。通過本課程的教學，使學生掌握數據挖掘和機器學習的一般原理和處理方法，能使用機器學習理論解決數據挖掘相關的問題。。教學重點、難點教學重點：Python數據分析與可視化基礎認識數據數據預處理回歸分析關聯(lián)規(guī)則挖掘分類與預測聚類分析神經網絡與機器學習基礎離群點檢測以及Python數據挖掘案例分析等教學難點：掌握數據挖掘基本過程、處理步驟和方法；掌握回歸分析、分類、聚類等機器學習算法；熟練關聯(lián)規(guī)則挖掘方法；掌握數據分析與數據挖掘的基本方法。教學資源多媒體課件習題答案微課視頻其他教學資源：《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社教學環(huán)境多媒體教學，課堂教學與學生上機實踐相結合案例實現(xiàn)《數據挖掘與機器學習》課程教案第1次課2學時授課內容數據挖掘概論1教學目的與要求通過本課的學習，學生應該掌握如下知識：數據挖掘的概念與基本內容數據分析與數據挖掘的聯(lián)系與區(qū)別數據挖掘的主要任務數據挖掘的主要數據源重點難點1）數據挖掘的概念與主要任務教學進程安排教學導入：介紹數據挖掘與機器學習的重要性，舉例說明數據挖掘典型案例，逐步引入到課程的介紹內容中來。授課內容：一、《數據挖掘與機器學習》課程介紹介紹本門課程的學科地位、考核方式、學習內容安排、可以參考的學習資料。講授數據挖掘的定義、原理與發(fā)展1）講授數據分析的含義和內容2）講授數據挖掘與數據分析的聯(lián)系與區(qū)別3）講授數據挖掘的主要任務4）講授數據挖掘主要的數據源課后學習任務布置查閱數據挖掘用途的相關資料與案例主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社《數據挖掘與機器學習》課程教案第2次課2學時授課內容數據挖掘基礎2教學目的與要求介紹數據挖掘的主要技術。通過本課的學習，學生應該掌握如下知識：數據挖掘的主要任務和工具；利用Python進行數據挖掘基礎JupyterNotebook介紹重點難點數據挖掘的主要任務和利用Python進行數據挖掘的原因教學進程安排授課內容：一、數據挖掘的主要技術二、數據挖掘的主要任務三、數據挖掘的商用工具四、利用Python進行數據挖掘課后學習任務布置安裝Anaconda，熟悉基本開發(fā)環(huán)境主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第3次課2學時授課內容Python數據分析基礎教學目的與要求介紹Python編程基礎。通過本課的學習，學生應該掌握如下知識：Python程序設計語言的特點Python內建的數據結構重點難點1）Python內建的數據結構教學進程安排授課內容：一、Python程序設計概述1）Python語言的特點2）基本語法3）流程控制4）函數二、Python內建的數據結構1）列表及其操作2）元組及其操作3）字典及其操作4）集合及其操作課后學習任務布置掌握函數內建的數據結構，進行例題練習主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社《數據挖掘與機器學習》課程教案第4次課2學時授課內容Numpy數值計算基礎教學目的與要求Numpy數值計算基礎通過本課的學習，學生應該掌握如下知識：1）數組對象的創(chuàng)建2）數組運算3）數組的切片訪問重點難點1）數組的運算2）數組的切片訪問教學進程安排實驗內容1）數組的常用創(chuàng)建方法2）隨機數生成3）數組變換4）數組的索引與切片訪問5）數組的運算6）數據統(tǒng)計與分析課后學習任務布置熟悉Numpy數組運算基礎，代碼示例學習主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第5次課2學時授課內容Pandas數據分析基礎教學目的與要求介紹pandas數據分析的基本方法，掌握pandas中的數據結構，數據查詢與編輯，匯總基于常用文件的導入重點難點1）數據導入2）數據查詢與編輯3）數據匯總與簡單繪圖教學進程安排授課內容：Pandas中的主要數據結構索引對象與常用屬性DataFrame的數據查詢與編輯數據運算函數應用與映射匯總與統(tǒng)計數據分組與聚合數據文件的導入課后學習任務布置示例練習，熟練掌握Pandas的數據分析方法主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社《數據挖掘與機器學習》課程教案第6次課2學時授課內容NumPy數值計算基礎（二）教學目的與要求掌握Matplotlib數據可視化基礎了解Scikit-learn基礎通過本課的學習，學生應該掌握如下知識：掌握Matplotlib參數設置方法掌握Matplotlib常用類型的繪圖方法了解Scikit-learn基本內容重點難點熟練Matplotlib常用類型的繪圖方法教學進程安排授課內容：Matplotlib圖表繪制基礎Matplotlib簡介Matplotlib繪圖基礎Pyplot動態(tài)參數設置文本注解常用繪圖方法Scikit-learn基礎Scikit-learn簡介Scikit-learn中的數據集Scikit-learn主要功能課后學習任務布置示例練習主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第7次課2學時授課內容上機實驗（一）教學目的與要求通過本課的學習，學生應該掌握如下知識：1）熟悉掌握Python編程基礎2）熟悉掌握利用Python進行數據分析與可視化的方法重點難點1）Python數據分析與可視化教學進程安排實驗內容1）數據導入2）數據的探索性分析3）數據可視化分析指定數據集1）學生成績數據分析2）藥店銷售數據課后學習任務布置熟悉Python數據分析與可視化方法、案例實現(xiàn)主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第8次課2學時授課內容Pandas統(tǒng)計分析基礎（一）教學目的與要求認識數據。要求學生應該熟練掌握如下知識的運用：1）掌握數據的屬性及屬性類型2）掌握數據的基本統(tǒng)計描述3）掌握數據可視化方法4）掌握數據對象的相似性度量方法重點難點1）數據對象的屬性及其分類2）數據的基本統(tǒng)計描述和數據對象的相似性度量教學進程安排授課內容：認識數據屬性及其類型屬性數據屬性類型數據的基本統(tǒng)計描述中心趨勢度量數據散布度量數據可視化方法數據對象的相似性度量不同類型屬性的相似性度量方法距離度量的Python實現(xiàn)課后學習任務布置示例練習，數據對象相似性度量代碼實現(xiàn)主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社《數據挖掘與機器學習》課程教案第9次課2學時授課內容數據預處理1教學目的與要求介紹數據預處理的必要性，數據預處理的主要方法。要求學生應該熟練掌握如下知識的運用：1）數據預處理方法概述2）掌握數據清洗的方法3）掌握利用python進行數據清洗的方法重點難點1）數據清洗內容2）利用Python進行數據清洗教學進程安排授課內容：數據預處理的必要性數據中一般存在的問題數據質量要求數據清洗數據清洗的內容及其方法利用Pandas進行數據清洗課后學習任務布置Pandas數據結構及其操作、熟悉教材習題主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第10次課2學時授課內容數據預處理2教學目的與要求數據預處理2通過本課的學習，學生應該掌握如下知識：1）數據集成中的關鍵問題2）熟悉掌握數據標準化方法3）數據歸約重點難點1）數據集成過程中的關鍵問題2）數據變換和收據歸約方法教學進程安排講授內容一、數據集成1）掌握集成中的主要問題2）利用Pandas進行數據合并二、數據標準化三、數據歸約1）維歸約2）數量歸約和壓縮四、數據變換與離散化1）數據變換策略2）利用sklearn進行數據預處理課后學習任務布置熟悉Pandas統(tǒng)計分析方法主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第11次課2學時授課內容實驗（二）教學目的與要求利用Python實現(xiàn)數據預處理綜合實驗：1）掌握數據預處理方法2）利用Python實現(xiàn)數據預處理重點難點1）數據預處理及其實現(xiàn)教學進程安排授課內容：一、數據預處理內容二、利用Python實現(xiàn)數據預處理課后學習任務布置熟練掌握利用Python進行數據預處理的方法，案例實現(xiàn)主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第12次課2學時授課內容回歸分析1教學目的與要求介紹數據回歸分析基礎。要求學生應該熟練掌握如下知識的運用：1）掌握數據回歸分析的原理2）數據回歸分析的分類3）掌握一元線性回歸分析過程重點難點1）回歸分析原理2）一元線性回歸分析教學進程安排授課內容：一、回歸分析概述1）回歸分析的定義與分類2）回歸分析過程二、一元線性回歸分析1）一元線性回歸分析方法2）一元線性回歸分析模型的參數估計3）誤差方差估計與主要統(tǒng)計檢驗4）一元線性回歸的Python實現(xiàn)課后學習任務布置熟悉一元線性回歸分析的原理與實現(xiàn)主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第13次課2學時授課內容回歸分析2教學目的與要求數據回歸分析2通過本課的學習，學生應該掌握如下知識：1）多元線性回歸2）邏輯回歸3）其他回歸分析3）回歸模型的評價重點難點1）多元線性回歸2）邏輯回歸教學進程安排講授內容一、多元線性回歸1）多元線性回歸分析模型2）多元線性回歸參數估計與假設檢驗3）多元線性回歸的Python實現(xiàn)二、邏輯回歸三、其他回歸分析1）多項式回歸2）嶺回歸3）Lass回歸4）彈性回歸5）逐步回歸等課后學習任務布置邏輯回歸分析與實現(xiàn)主要參考資料《數據挖掘與機器學習》魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第14次課2學時授課內容綜合實驗（三）教學目的與要求掌握回歸分析的主要方法及其實現(xiàn)。要求學生應該熟練掌握如下知識的運用：1）掌握各種常用的回歸分析方法2）不同回歸分析方法的實現(xiàn)及其特點比較重點難點1）回歸分析模型選擇2）回歸分析方法特性對比教學進程安排授課內容：一、不同回歸分析方法特性比較二、對指定數據集，利用不同的回歸方法分析課后學習任務布置熟悉掌握回歸分析方法主要參考資料《python數據挖掘與機器學習》第2版魏偉一等主編，清華大學出版社

《數據挖掘與機器學習》課程教案第15次課2學時授課內容關聯(lián)規(guī)則挖掘1教學目的與要求介紹關聯(lián)規(guī)則挖掘方法。要求學生應該熟練掌握如下知識的運用：1）了解頻繁項集、閉項集和關聯(lián)規(guī)則的概念，理解模式評估方法2）掌握Aoriori算法重點難點1）Aoriori算法教學進程安排授課內容：一、關聯(lián)規(guī)則分析概述1）頻繁項集、閉項集和關聯(lián)規(guī)則二、Apriori算法1）頻繁項集挖掘方法2）由頻繁項集產生關聯(lián)規(guī)則3）提高Apriori算法的效率課后學習任務布置實現(xiàn)Aoriori算法主要參考資料《python數據挖