Python数据挖掘项目化教程（微课版）教案 智能分析模块：身高与体重数据分析（分类器）

《数据挖掘应用》课程教案第08讲智能分析模块：身高与体重数据分析（分类器）I一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次8授课形式理实一体授课地点知行楼103授课课次8教学目标知识目标掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握逻辑回归、朴素贝叶斯分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法LogisticRegression、GaussianNB实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的算法LogisticRegression、GaussianNB实现分类分析；教学难点掌握逻辑回归、朴素贝叶斯分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：数据源的获取数据统计与分析过程什么是机器学习？有哪些方法？理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生精益求精、开拓创新的工匠精神；提升团队协作能力、沟通能力上机练习（10min）布置练习：数据读取与可视化解答疑问：动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机练习（10min）布置练习：数据可视化：格式化解答疑问：知识讲授（10min）知识讲授：介绍有监督学习与分类、逻辑回归思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。演示讲解（15min）操作演示：Sklearn.linear_model.LogisticRegression的使用步骤讲解：代码填写与可视化展示上机练习（15min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（20min）知识讲授：朴素贝叶斯原理介绍操作演示：朴素贝叶斯的使用的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：朴素贝叶斯方法使用、模型建立与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）”课程中，整体教学设计与实践环节均较为完善，但仍存在一些可以进一步优化与改进的空间，以下是针对此次课程的反思与改进建议：反思：理论与实践的结合度：虽然课程采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的衔接可能不够紧密，导致学生在实践环节中对理论知识的应用存在困惑。学生参与度与互动性：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度不高，可能影响了教学效果和学生的学习体验。作业布置的针对性与反馈：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，且作业反馈的及时性和详细程度有待提升。改进：增强理论与实践的结合度：在理论讲解后，立即安排相关的上机练习，使学生能够及时将理论知识应用于实践中。设计一些引导性的问题，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与互动性：采用小组讨论、角色扮演等多样化的教学方法，增加学生之间的互动和合作。设计一些具有挑战性的任务，激发学生的学习兴趣和参与度。优化作业布置与反馈机制：根据学生的实际情况和学习需求，设计更具针对性的课后作业。加快作业批改的速度，并及时向学生提供详细的反馈和建议，以便他们能够及时了解自己的学习成果和不足。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）”课程的教学效果和学生的学习体验，确保学生能够扎实地掌握所学知识和技能。《数据挖掘应用》课程教案第09讲智能分析模块：身高与体重数据分析（分类器）II一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次9授课形式理实一体授课地点知行楼103授课课次9教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握决策树、随机森林分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法DecisionTreeClassifier、RandomTree实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的算法DecisionTreeClassifier、SVC实现分类分析；教学难点掌握决策树、随机森林分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生精益求精、开拓创新的工匠精神；提升团队协作能力、沟通能力知识讲授（10min）知识讲授：介绍有监督学习与分类决策树的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。演示讲解（15min）操作演示：DecisionTreeClassifier的使用步骤讲解：代码填写与可视化展示上机练习（15min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（15min）知识讲授：随机森林的原理介绍操作演示：随机森林分类器的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：SVC线性分类器进阶使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）四个分类器的区别与联系作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）II”课程中，教学设计与实践环节均较为完善，但仍有一些细节可以进一步优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的融合度：虽然采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的过渡有时不够流畅，导致学生在实践环节中对理论知识的应用存在些许困惑。学生参与度与课堂互动：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这可能影响了整体的教学氛围和学生的学习体验。作业设计的针对性与反馈机制：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，且作业反馈的及时性和详细程度有待进一步提升。改进：增强理论与实践的融合度：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与课堂互动：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作。设计一些具有挑战性的任务或竞赛，激发学生的学习兴趣和参与度。优化作业设计与反馈机制：根据学生的实际情况和学习需求，设计更具针对性和层次性的课后作业。加快作业批改的速度，并及时向学生提供详细的反馈和建议，以便他们能够及时了解自己的学习成果和不足。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）II”课程的教学效果和学生的学习体验，确保学生能够更加扎实地掌握所学知识和技能。

《数据挖掘应用》课程教案第10讲智能分析模块：身高与体重数据分析（分类器）III一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次9授课形式理实一体授课地点知行楼103授课课次10教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握支持向量机、神经网络分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据挖掘的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等；掌握模型评估报告的生成方法并理解各具体指标的含义。能力目标会使用sklearn中的支持向量机、神经网络算法等实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的支持向量机、神经网络算法实现分类分析；教学难点掌握神支持向量机、神经网络分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用朴素贝叶斯的使用决策树的应用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（15min）知识讲授：试题讲解各类方法的实现步骤SVM支持向量机的原理介绍核函数胡使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。上机练习（15min）布置练习：模型使用数据可视化展示演示讲解（20n）操作演示：多维特征的分类应用演示步骤讲解：性别、体重、身高三项数据判定肥胖上机练习（20min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：不同方法的模型效果比较说明适用性思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）布置练习：模型建立与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（15min）总结提高：知识点回顾，不同方法