《《Python数据分析基础与案例实战》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数据分析基础与案例实战》第6章 构建模型 教案.docx（5页珍藏版）》请在三一办公上搜索。
1、第6章构建模型教案课程名称：Python数据分析基础与案例实战课程类别，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I4.0学分本章学时：IO学时一、材料清单（1Pvthon数据分析基础与案例实战3载M.（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,即分类与回归、聚类、时序模式3个方面,介绍了对应的数据挖妲建模方法及实现过程。分类与回归主要介绍回归分析、朴素贝叶斯、决策树和神经网络；/类主要介绍K-Means聚类、密度聚类和层次聚类：时序模式从序列的平枪性和非平
2、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AR1.MA模型，2 .基本要求（I）熟悉常用的分类与回归律法的原理、钾价方法以及实现方法.（2）熟悉常用的聚类算法的原理、评价方法以及实现方法，（3）熟悉常用的时间序列模蟹立法的原理和实现方法。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.提出何题.由发引导学生去解决问鹿，捉同，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）常见的模型算法使用场景有哪些？（2）分类目法有嘶些？2 .探究性问题探究性向即需要教师深入钻研教材的基础上精心设计，提问的痢健或者在引导性提问的场
3、础上，从!R点、玳点问题切入，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何题加以设问.（1）IU1.归模型有几种，它们各自适用于怎样的条件？（2）覆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，学牛的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问遨。亦可以提供拓展资料供学生研习探讨,完成拓展性问遨.（I）不同的算法,可解择性不同，能否挑选一种可解称性强的算法对律法结果进行轨择？（2）案类算法的评价指标还有哪些？四、主要知识点、重点与难点1 .主要知识点（常用的分类与回归算法.（2）回归分析.（3）朴素贝叶斯.决策树.（5）人工
4、神经网络。（6）评价分类与回归算法.（7）行用的烝类算法.（8） K-MCanS聚类.（9）密度喔类.（10）聚类模星评价。（I1.）常用的时间序列竟法.（12）预处理时间序列。（B）分析平佬时间序列。（14）分析非平稳时间序列.2 .重点（1）决策树.（2）人工神经网络，（3）评价分类与回I算法.4 4）K-MeanS聚类.（5）诙度聚类.（6）襄类模型评价.（7）常用的时间序列算法。（8）预处理时间序列，（9）分析平稔时间序列.（IO）分析非平稳时间序列.3.难点（1）段处理时间序列.（2）分析平稳时间序列，（3）分析非平松时间序列.五、教学过程设计5 .理论教学过程（1）常用的分类与回归
5、算法.（2）回归分析，（3）朴素贝叶斯。（4）决策树.（5）人工神经网络，（6）评价分类与回打算法.（7）常用的聚类算法.（8）K-MCanS聚类。（9）密度聚类.（10）聚类模型评价.（11）常FH的时间序列算法（12）预处理时间序列.（13）分析平12时间序列。（14）分析非平稳时间序列.6 .实验教学过程（1）构建回归分析模型.（2）构建朴素贝叶斯模型.（3）构建决策树模型.（4）构建人工神经网络模型。（5）评价分类与回归模型。（6）构建K-MCa膝聚类模型.（7）构建密度架类模型.（8）评价聚类模型.（9）段处理时间序列.（10）分析平佬时间序列。（11）分析非平稳时间序列.六、教材与参考资料1.教材向伟，张良均.Pyihon数据分析基础与案例实战M北京：人民邮电出版社.2022.2.参考资料I张良均PythOn数5分析与挖摄实战M1.北京:机械工业出版社.2015.2张良均.Python与数据挖据M.北京：机械工业出版社.2016.
