《机器学习Python实战》电子教案 03-2-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 2.3项目拓展——红酒数据集拆分、标准化和降维处理授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法课内实训、任务驱动法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：我们需要对红酒的信息进行处理。在学习过程中，不能只是单纯的学习知识，一定要将学习的内容跟实践结合，看它能解决什么问题，解决问题的过程中遇到什么困难，遇到困难又该如何解决，提高自己的动手能力和解决问题的能力。知识目标：掌握数据预处理各项技术能力目标：理解数据预处理的应用场景教学重点掌握数据降维方法教学难点对数据降维以便于进行可视化【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。已经掌握了常见的数据预处理工具。【导入新课】本次课的内容需要同学们积极动手进行实践，掌握从数据集拆分、标准化到降维处理的过程，熟练运用之前学到的知识，遇到问题多进行交流和讨论，促进学生进一步思考。（3）明确学习目标。掌握数据处理技术 掌握数据集拆分掌握数据降维方法 【讲授新课】本项目的目标是：使用scikit-learn内置的wine酒数据集，将该数据集拆分成训练集和测试集，然后对训练集和测试集进行标准化处理，通过PCA降维的方式将红酒数据集的特征向量降到2个维度，然后将该数据集可视化。（上机练习）上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对本章知识掌握程度。形式：单独完成请按照以下要求开始上机课：要求如下：1.导入wine酒数据集给定一个数据集，样本数据使用wine数据集，将wine数据集从datasets模块导入引导学生从输出结果可以看出，该数据集含有13个特征向量，一共178条记录，标签分为3类。2.将wine数据集划分为训练集和测试集使用model_selection模块提供的train_test_split函数对数据集进行拆分，将传入的wine数据集划分为训练集和测试集。引导学生从结果可以看到，原有的178个数据样本和其标签分别拆分成了两个部分，训练集样本和其对应的标签数量均为133个，而测试集样本和其对应的标签数量均为45个。同时，不论是在训练集还是测试集中，特征向量都是13个。3.对数据集进行标准化处理使用预处理的方式分别对训练集和测试集进行标准化处理，首先对训练集数据使用StandardScaler标准化进行拟合生成规则，然后分别对训练集和测试集数据进行转换。引导学生从结果的对比来看，标准化之前的数据量级差别比较大，经过标准化处理后，数据的量级形成了标准正态分布。4.对数据集进行降维处理现在数据集的特征向量是13个，使用PCA降维的方式将训练集和测试集的特征维度降到2维，以便对数据集进行可视化。引导学生从结果可以看到，特征向量的数量已经是2维了5.wine数据集可视化通过PCA降维的方式将维度减低到了2个维度，就可以将数据可视化的展现出来了：【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。通过项目实训的方式学习了对数据集的标准化，并进行了可视化。【课后安排】给学生布置课