Spark大数据技术与应用（第3版）（微课版）-教案 项目9 广告检测的流量作弊识别-Spark综合实战 教案V1.0.0

打造基于产教融合的就业育人综合服务平台打造基于产教融合的就业育人综合服务平台项目9广告检测的流量作弊识别——Spark综合实战教案课程名称：Spark大数据技术与应用课程类别：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：8学时材料清单《Spark大数据技术与应用》教材。项目9配套PPT、数据和代码。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标主要介绍广告检测的流量作弊识别案例，从案例背景、实现目标、系统整体架构及流程设计等展开，分步骤较完整地实现系统。同时，针对系统实现的各个过程，包括前期的方案设计、数据探索、数据预处理，到后期的建模、模型寻优、模型评价及作弊流量识别等，都提供了相关的分析思路与参考代码，以便于读者实际操作，期望通过项目中每个环节的实现过程，让读者实实在在领会Spark在真实工作环境中发挥的作用。基本要求了解广告检测需求分析。了解常用的建模算法。掌握用Spark编程实现逻辑回归算法建立模型。掌握用Spark编程实现随机森林算法建立模型。问题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的。什么是流量？什么是虚假流量？常见的分类算法有哪些？分别适用于哪些场景？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。对于广告流量数据的基础探索可以从哪些方面进行？广告流量作弊方式有哪些？不同的广告流量作弊方式其对应的数据特征是什么？实现广告流量作弊识别时使用哪些分类算法可能会取得较好的效果？为什么？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。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。在已使用的随机森林算法模型中，进一步理解算法的参数，并尝试优化参数使模型取得更好的效果。主要知识点、重点与难点主要知识点项目需求分析。项目流程拆分。数据基础探索内容。异常、缺失及冗余数据处理方法。特征构建方法。构建模型及模型评估方法。重点探索虚假流量的数据特征。特征构建。构建与评估逻辑回归与随机森林算法模型。难点探索虚假流量的数据特征。特征构建。构建逻辑回归与随机森林算法模型。教学过程设计理论教学过程常见的流量作弊方式分析。项目需求分析与流程拆分。广告流量数据说明。虚假流量数据特征说明。进行虚假流量识别。实验教学过程对广告流量数据进行基础探索。探索虚假流量的数据特征。预处理数据并构建特征。构建与评估逻辑回归算法模型。构建与评估随机森林算法模型。加载模型进行广告作弊流量识别。教材与参考资料教材肖芳，张良均．Spark大数据技术与应用（第3版）（微课版）[M]．北京：人民邮电出版社．2026．参考资料[1] 肖芳，张良均．Spark大数据技术与应用（第2版）（微课版）[M]．北京：人民邮电出版社．2022．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]