《机器学习Python实战》电子教案 02-1-项目2 数据预处理实战

武汉软件工程职业学院教案（理论教学首页）（第1页）教案（理实一体化课）武汉软件工程职业学院教案（附页）（第NUMPAGES4页）课程名称机器学习授课内容项目2红酒数据集可视化—数据预处理 2.1项目知识准备 2.1.1数据处理2.1.2数据降维 2.1.3数据集拆分授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法讲授、问题式教学法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：在机器学习中需要对数据进行拆分，在学习中我们也需要对目标进行拆分，比如要学好编程，可以把目标进行拆分，首先要学好理论，然后多动手，接着学会修改错误，最后接触项目才能学好。千万不要想着一口吃个大胖子。知识目标：数据处理技术能力目标：掌握数据标准化方法教学重点数据预处理、降维的概念教学难点理解数据预处理的应用场景【课前安排】（1）教师对学生们的疑问进行统一答疑。（2）回顾总结上节课内容，继续介绍本课时的内容。【导入新课】在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，以达到对所收集数据进行全面分析的目的。引导学生将这些思路与方法用来分析和解决现实社会中的问题，自主思考和主动实践。（3）明确学习目标。数据预处理工具的原理及使用PCA主成分分析用于数据降维【讲授新课】教师根据课件，介绍数据预处理的原理。使用StandardScaler进行数据预处理StandardScaler类是一个用来将数据进行归一化和标准化的类。将数据按其属性（按列进行）减去平均值和缩放到单位方差来标准化特征。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，标准差为1，使得新的X数据集方差为1，均值为0适用于：如果数据的分布本身就服从正态分布，就可以用这个方法。使用MinMaxScaler进行数据预处理将每个元素（特征，feature）转换成给定范围的值。MinMaxScaler有一个重要参数"feature_range"，控制数据压缩到的范围，默认是[0,1]。适用于数据在一个范围内分布的情况，在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用MinMaxScaler。使用RobustScaler进行数据预处理若数据中存在很大的异常值，可能会影响特征的平均值和方差，影响标准化结果。在此种情况下，使用中位数和四分位数间距进行缩放会更有效。使用Normalizer进行数据预处理normalize提供了一个快速有简单的方式在一个单向量上来实现这正则化的功能。正则化有l1,l2等。正则化是将样本在向量空间模型上的一个转换，经常被使用在分类与聚类中。教师根据课件，讲解PCA主成分分析原理。PCA是一种无监督降维算法，它是最常用的降维算法之一，可以很好地解决因变量太多而复杂性、计算量增大的弊端。PCA主要通过把数据从高维映射到低维来降低特征维度。PCA将n维输入数据缩减为r维，其中r<n。简单地说，PCA实质上是一个基变换，使得变换后的数据有最大的方差，也就是通过对坐标轴的旋转和坐标原点的平移使得其中一个轴（主轴）与数据点之间的方差最小，坐标转换后去掉高方差的正交轴，得到降维数据集。（3）教师根据课件，演示对数据降维以便于进行可视化。使用主成分绘制热度图分析原始特征与PCA主成分之间的关系【课堂小结】回顾上课前的学习目标，对本节课知识点进行总结。主要介绍数据预处理技术，包括数据标准化、数据离差标准化、数据二值化、数据归一化处理、独热编码处理，以及数据PCA降维处理。【课后安排】给学生布置随堂练习，检测学生的掌握程度，并对学生出现的问题进行解决。【教学反思