Python数据挖掘与机器学习第2版 教案全套 魏伟一 第18-36次课 分类分析 -数据挖掘案例分析

《数据挖掘与机器学习》课程教案（首页）学院：计算机系/学院课程/项目名称数据挖掘与机器学习课程总学时：72学时理论：54学时实验：18学时学分3课程课程类别：专业必修■专业必修□公共必修□公共选修授课教师***授课专业大数据技术与应用授课班级教学目的和要求本课程的主要目的是培养学生的数据挖掘与机器学习的理论分析与应用实践的综合能力。通过本课程的教学，使学生掌握数据挖掘和机器学习的一般原理和处理方法，能使用机器学习理论解决数据挖掘相关的问题。。教学重点、难点教学重点：Python数据分析与可视化基础认识数据数据预处理回归分析关联规则挖掘分类与预测聚类分析神经网络与机器学习基础离群点检测以及Python数据挖掘案例分析等教学难点：掌握数据挖掘基本过程、处理步骤和方法；掌握回归分析、分类、聚类等机器学习算法；熟练关联规则挖掘方法；掌握数据分析与数据挖掘的基本方法。教学资源多媒体课件习题答案微课视频其他教学资源：《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社教学环境多媒体教学，课堂教学与学生上机实践相结合案例实现《数据挖掘与机器学习》课程教案第18次课2学时授课内容分类分析1教学目的与要求数据分类分析1。通过本课的学习，学生应该掌握如下知识：1）掌握分类与预测的基本思想2）分类的概念和意义3）决策树规约方法重点难点1）分类的原理2）决策树规约算法教学进程安排讲授内容一、分类概述二、决策树规约1）决策树原理2）ID3算法3）C4.5算法4）CART算法5）树剪枝课后学习任务布置熟悉Seaborn数据可视化方法主要参考资料《数据挖掘与机器学习》魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第19次课2学时授课内容分类分析2教学目的与要求分类算法介绍2。要求学生应该熟练掌握如下知识的运用：1）K近邻算法2）SVM算法重点难点1）KNN算法2）SVM算法教学进程安排授课内容：一、K-近邻算法1）算法简介2）算法的Python实现二、SVM算法1）算法原理2）算法实现课后学习任务布置KNN和SVM算法实现主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第20次课2学时授课内容分类分析3教学目的与要求数据分析算法介绍3。通过本课的学习，学生应该掌握如下知识：1）掌握贝叶斯分类算法2）掌握模型评估与选择重点难点1）贝叶斯分类方法2）模型评估与选择教学进程安排讲授内容一、贝叶斯分类1）算法原理2）朴素贝叶斯分类3）高斯朴素贝叶斯分类4）多项式朴素贝叶斯分类二、模型评估与选择1）分类器性能评估2）模型选择课后学习任务布置贝叶斯分类算法实现与评估主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第21次课2学时授课内容分类分析4教学目的与要求介绍分类算法4。要求学生应该熟练掌握如下知识的运用：1）组合分类框架与原理2）组合分类方法重点难点1）Adaboost2）随机森林教学进程安排授课内容：一、组合分类1）组合分类方法简介2）袋装3）提升和Adaboost4）随机森林课后学习任务布置随机森林算法实现主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第22次课2学时授课内容综合实验（五）教学目的与要求分类算法综合应用通过本课的学习，学生应该掌握如下知识：1）熟悉典型的分类算法应用2）熟悉分类算法的评估与模型选择重点难点1）典型分类算法2）分类算法评估与模型选择教学进程安排实验内容一、分类分析综合实验1）用不同的算法实现给定数据集的分类分析2）掌握利用Python实现数据分类分析的常用方法课后学习任务布置熟悉时间序列数据分析方法主要参考资料《数据挖掘与机器学习》魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第23次课2学时授课内容聚类分析1教学目的与要求聚类算法介绍。要求学生应该熟练掌握如下知识的运用：1）掌握聚类分析的基本原理2）掌握K-Means算法的原理重点难点1）聚类算法的原理2）K-Means算法的原理教学进程安排授课内容：一、聚类分析概述1）聚类分析概念2）聚类算法分类二、K-Means算法1）算法基本原理2）算法改进3）算法实现课后学习任务布置K-Means算法代码实现（不调用系统方法）主要参考资料《数据挖掘与机器学习》魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第24次课2学时授课内容聚类分析2教学目的与要求聚类算法介绍。通过本课的学习，学生应该掌握如下知识：1）掌握层次聚类算法原理2）掌握层次聚类算法重点难点1）层次聚类算法原理2）层次聚类算法教学进程安排讲授内容：一、层次聚类1）层次算法原理2）簇间相似性度量3）分裂层次聚类4）凝聚层次聚类5）算法应用课后学习任务布置层次聚类算法实现主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第25次课2学时授课内容聚类3教学目的与要求聚类算法介绍。要求学生应该熟练掌握如下知识的运用：1）掌握基于密度的聚类算法思想2）掌握DBSCAN算法重点难点1）基于密度的聚类算法思想2）掌握DBSCAN算法教学进程安排授课内容：一、基于密度的聚类1）算法原理2）算法改进3）DBSCAN算法实现课后学习任务布置算法示例实现主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第26次课2学时授课内容聚类4教学目的与要求聚类算法介绍。要求学生应该熟练掌握如下知识的运用：1）了解其他典型的聚类算法2）掌握FCM算法重点难点1）STING聚类2）FCM聚类教学进程安排授课内容：一、其他聚类方法1）STING聚类2）概念聚类3）模糊聚类4）EM聚类5）紧邻传播聚类课后学习任务布置FCM算法实现主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第27次课2学时授课内容聚类5教学目的与要求聚类分析介绍。通过本课的学习，学生应该掌握如下知识：1）了解估计聚类趋势方法2）掌握确定簇数目的方法3）熟悉聚类质量测定方法重点难点1）确定簇数目的方法2）聚类质量测定方法教学进程安排讲授内容：一、聚类评估1）聚类趋势估计2）聚类簇数目确定3）聚类质量测定课后学习任务布置查阅聚类评估的主要方法主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第28次课2学时授课内容综合实验（六）教学目的与要求应用聚类算法及其评估方法，实现数据聚类的综合分析。要求学生应该熟练掌握如下知识的运用：1）熟悉典型的聚类算法2）掌握典型聚类算法的特性重点难点1）聚类算法实现2）算法评价教学进程安排实验内容：一、数据的聚类分析综合实验1）算法实现2）算法分析与评估3）算法对比课后学习任务布置熟悉聚类算法及其应用主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第29次课2学时授课内容神经网络与深度学习1教学目的与要求介绍神经网络基本原理。通过本课的学习，学生应该掌握如下知识：1）熟悉神经元模型2）感知机与多层感知机重点难点1）神经元模型3）感知机原理教学进程安排讲授内容：1）神经元模型2）感知机与多层感知机课后学习任务布置阅读神经网络文献主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第30次课2学时授课内容神经网络与深度学习2教学目的与要求神经网络与深度学习基础介绍。通过本课的学习，学生应该掌握如下知识：1）熟悉多层前馈神经网络的原理2）理解后向传播算法重点难点1）多层前馈神经网络的原理2）理解后向传播算法教学进程安排讲授内容：1）多层前馈神经网络2）BP学习算法3）BP神经网络应用课后学习任务布置BP神经网络应用案例学习主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第31次课2学时授课内容神经网络与深度学习3教学目的与要求深度学习基础介绍。通过本课的学习，学生应该掌握如下知识：1）了解深度学习基本原理2）了解几种常见深度学习模型重点难点1）深度学习原理2）CNN模型教学进程安排讲授内容：1）深度学习概述2）常用的深度学习模型课后学习任务布置查阅CNN深度学习文献主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第32次课2学时授课内容综合实验（七）教学目的与要求BP神经网络综合应用。通过本课的学习，学生应该掌握如下知识：1）掌握BP神经网络的应用重点难点1）多层前馈神经网络的原理2）理解后向传播算法教学进程安排实验内容：BP神经网络综合应用课后学习任务布置BP神经网络应用案例学习主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案第33次课2学时授课内容神经网络与深度学习2教学目的与要求离群点检测介绍。通过本课的学习，学生应该掌握如下知识：1）掌握离群点的概念分类2）掌握离群点检测的常用方法重点难点1）离群点检测的常用方法教学进程安排讲授内容：一、离群点概述1）离群点概念2）离群点类型二、离群点检测1）基于统计学的检测2）基于邻近的检测3）基于聚类的检测4）基于分类的检测课后学习任务布置掌握离群点检测方法，利用sklearn进行离群点检测主要参考资料《python数据挖掘与机器学习》第2版魏伟一等主编，清华大学出版社《数据挖掘与机器学习》课程教案第34次课2学时授课内容文本与时序数据挖掘教学目的与要求掌握文本与时序数据挖掘的任务和基本方法重点难点文本数据挖掘与时序数据挖掘的综合应用教学进程安排讲授内容：1.文本数据挖掘1）文本数据挖掘的任务和过程2）文本数据挖掘的主要方法3）文本数据聚类与分类2.时序数据挖掘1）时间序列的基本特点2）时间序列数据的平稳性和随机性判定3）时间序列分析基本模型实验内容：1）数据挖掘应用2）机器学习典型算法应用课后学习任务布置数据挖掘与机