Py数据基础及实战2

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第7章餐饮企业菜品关联分析教案课程名称：Python数据分析与挖掘实战课程类别：必修（专业核心课）适用专业：数据科学与大数据技术、人工智能、计算机科学与技术、统计学、信息管理与信息系统等相关专业总学时：64学时（其中理论28学时，实验36学时）总学分：4.0学分本章学时：7学时（理论3学时，实验4学时）材料清单《Python数据分析与挖掘实战（第2版）（微课版）》教材。配套PPT。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本章以餐饮企业菜品关联分析为案例，讲解数据挖掘在餐饮行业的完整应用流程。涵盖案例背景与目标分析、数据探索、数据预处理、Apriori模型构建与训练、模型评价。使学生掌握从业务问题出发，通过数据探索、预处理、关联规则建模到综合评分与套餐制订的全流程实战能力。基本要求了解案例的背景、数据说明与目标。掌握每日用餐人数、营业额和菜品热销度的分析方法。掌握数据清洗与属性构造的方法。掌握构建与训练Apriori模型的方法。掌握综合评分与模型评价的方法。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、理解并掌握知识、发展各种能力和提高思想觉悟。关联规则分析中的支持度和置信度分别衡量了什么？它们之间有什么关系？在构建Apriori模型之前，为什么需要将订单数据转换为购物篮数据和二元矩阵？每日用餐人数和营业额呈现出什么规律？这种规律对餐饮企业有什么启示？案例中为什么要删除白饭的记录？在数据清洗中还有哪些操作？综合评分公式中为什么引入多个指标？单靠支持度或置信度评价有什么不足？探究性问题探究性问题需教师在深入钻研教材的基础上精心设计，从重点、难点问题切入进行插入式提问，或对引导性提问中尚未涉及但重要的内容加以设问。Apriori算法在处理大规模数据时存在哪些性能瓶颈？FP-Growth算法是如何改进的？综合评分中各项权重的设置对最终的套餐推荐结果有什么影响？如何确定合理的权重？除了套餐搭配，关联规则分析在餐饮企业还有哪些应用场景？拓展性问题拓展性问题需教师深刻理解教材意义、掌握学生学习动态后，根据不同学习层次提出切实可行的、关乎实际应用的操作问题，亦可提供拓展资料供学生研习探讨。在电商领域，关联规则分析有哪些典型的应用？与餐饮企业相比，在数据处理和业务目标上有何不同？除了Apriori算法，还有哪些关联规则挖掘算法？请调研Eclat算法的原理并与Apriori进行比较。请找一个你感兴趣的零售数据集，尝试使用关联规则分析方法发现有趣的商品搭配。主要知识点、重点与难点主要知识点案例的背景、数据说明与目标。数据探索与分析的方法。数据预处理的方法。Apriori模型的构建与训练方法。综合评分与模型评价的方法。重点数据探索与分析的方法。Apriori模型的构建与训练方法。综合评分与模型评价的方法。难点Apriori模型的构建与训练方法。综合评分与模型评价的方法。教学过程设计理论教学过程背景与目标。数据探索。数据预处理。分析与建模。模型评价。实验教学过程西饼屋订单关联分析。教材与参考资料教材翟世臣，张良均．Python数据分析与挖掘实战（第2版）（微课版）[M]．北京：人民邮电出版社，2026．参考资料张良均，王路，谭立云，苏剑林