数据采集与预处理技术-P7T2-教案

授课教案20—20学年第学期_______学院________专业课程名称数据采集与预处理技术任课教师授课形式理论教学□课内实践□理论+实践☑习题复习□考核评价□其他活动□课时安排2学时（90分钟）序号26授课日期月日月日月日月日授课班级2026级相关专业教学班授课地点实训机房（多媒体）教学内容：项目七任务二Z-score标准化课程思政设计：1.科学精神与尺度意识——肿块面积取值几百到几千、平滑度通常小于1，两列都是真实信息，模型不该因为数字大就多看它一眼。课堂讲清尺度差异本身不是数据错误，处理它是为了让模型公平对待每一个特征。2.实事求是——标准化改变的是尺度与位置，不改变特征本身的信息，也不等于数据变好了。课堂明确讲标准化只解决尺度问题，不解决缺失值与异常值，那两类问题在项目六已经处理过。3.辩证思维——标准化对K近邻、支持向量机、神经网络这类基于距离或梯度的模型必要，对树模型却并非必需。课堂讲清方法都有适用边界，不把标准化讲成人人都要走的工序。4.审慎态度——标准差为0的列除不出来，极值会把标准差拉大。课堂要求先看分布再动手，遇到几乎不发生变化的列先判断它还有没有保留价值。教学目标：知识目标：能说出标准化的定义与核心目的；能说出特征值差异大、加快收敛速度、提高模型效果三条必要性并各举一例；能写出Z-score标准化公式并说明X、μ、σ三个符号的含义；能说出标准化后数据的均值与标准差分别是多少；能说出哪些算法必须做标准化、哪些并非必需。能力目标：能用均值与标准差两个函数计算某列数据的位置与离散程度；能用StandardScaler完成fit_transform并得到标准化结果；能对比标准化前后同一列的均值与标准差，验证是否达到0与1；能对乳腺癌数据集的30个特征一次性完成标准化；能说明标准化与归一化在输出区间上的差别。素质目标：养成建模前先看各特征取值范围的习惯，不拿数据直接开跑；养成用均值与标准差两个数字验证标准化结果的习惯，不凭感觉判断有没有做对；养成说明方法适用边界的习惯，不只说自己用了哪个方法。教学重难点及解决方法：教学重点：Z-score公式中均值与标准差的统计含义；StandardScaler的fit_transform用法；标准化前后的对比验证。教学难点：为什么要先减均值再除标准差，两步缺一不可；标准化对尺度敏感型模型的必要性。学生容易把减均值当成全部操作，对只减均值后数据的标准差并没有变化这一点缺乏直观认识。解决方法：针对难点：把两步拆开演示——先只减均值并投屏结果，此时均值为0但数据仍分布在很宽的区间上，标准差没变；再除标准差并投屏，两步结果并列对比。用K近邻的距离计算举例算一笔账，直接拿使用秒数与短信频率两个字段算距离，投屏看哪一列主导了结果。针对重点问题：采用边讲边练，每讲完一个方法即在课程在线教学平台推送1～2道限时练习当堂消化；把验证组织成取列—算均值—算标准差三步固定动作，学生能自行判断；实操期间教师巡视，重点检查fit_transform是否只调用一次、验证是否真做了；课后按练习正确率推送分层强化题。教学环境及平台：实训机房（多媒体），每人一机，配备投影与广播教学软件；Python3.9运行环境（NumPy、pandas、scikit-learn）；课程在线教学平台。软件与工具：Anaconda、JupyterNotebook、PyCharm/VSCode。数据与素材：sklearn自带乳腺癌数据集（569个样本、30个特征，标签为恶性或良性）。教学资源：①教材《数据采集与预处理技术》第194–196页正文、示例代码与配套数据集；②本课程课件与演示代码（含两步拆分演示脚本、标准化前后对比脚本）；③课程在线教学平台（预习测验、随堂练习、课后答疑）与课程AI智能体。学习效果评价方式：过程性评价40%＋终结性评价60%的综合评价方式，本次课成绩计入平时成绩，对应其中三项：①课堂实操（主要部分）：提交乳腺癌数据标准化完整脚本与对比结果，按标准化执行情况、验证动作完整性、两组数字正确性三项评分；②随堂测验：下课前5题（公式符号含义、两步作用、fit与transform的分工、适用模型类型），平台自动批改，当场讲评错误率最高的一题；③课后作业：提交完整脚本与运行截图，附所选两列标准化前后的四个数字。课前预习：平台3道诊断题（均值与标准差的计算），统计错误率用于调整讲授重点。课后小结：填表说明：1.序号，指该课程授课的顺序号，应与授课计划一致；2.授课形式在相应的选项打“√”。教学内容及过程时间分配方法及手段思政元素【教师活动】1.承接任务一：上一任务已经把sklearn装好并跑通了客户流失预测。提问：使用秒数这个字段与短信频率这个字段一起算距离，谁的贡献大？2.给出本次任务情境：某乳腺癌数据集包含肿块半径、周长、面积、纹理、平滑度等三十项特征，肿块面积取值普遍为几百到几千平方毫米，肿块平滑度则通常小于1。3.投屏这两列的前若干行，让学生直观看到两列数字的位数差别。4.提问：直接把这两列组合起来输入模型，模型会更关注哪一列？引导学生说出会关注数字大的那一列。5.追问：数字大就等于更重要吗？让学生先表态，再点明平滑度这类取值小但有医学意义的特征会被埋没。6.点明本任务：用Z-score标准化把不同尺度的特征转到同一尺度。【学生活动】看投屏的两列数据，说出两列数字位数的差别；对模型会更关注哪一列给出判断；对数字大是否等于更重要发表看法。【设计意图】对应知识目标1、2。以任务一刚跑通的模型为起点，学生已经见过真实特征列，此处直接拿两列对比，认知冲突来自数据本身而非教师叙述；先问谁的贡献大再问数字大是否等于更重要，两步追问把尺度差异从技术现象推进到方法必要性；把平滑度被埋没讲清楚，直接回应思政中的尺度意识。环节一任务情境：面积几百上千平滑度不到1（8分钟）任务驱动法直观演示法（投屏＋数据对比）尺度意识：数字大不等于重要【教师活动】1.给出标准化的定义：将不同尺度的特征转换到同一尺度，避免模型因特征数值量级差异而对大尺度特征产生计算偏向，使模型能够公平地从所有特征中学习其真实模式。强调最终权重分配仍由模型根据特征与目标的相关性决定，标准化不改变特征本身的信息量。2.讲三条必要性。第一条特征值差异大：举例身高在100～200之间、体重在30～150之间，不标准化时模型训练更可能关注范围较大的特征。3.第二条加快收敛速度：在使用梯度下降等优化算法时，标准化后的数据能加速优化过程，避免某些特征因为数值过大或过小导致梯度更新不均匀。4.第三条提高模型效果：K近邻、支持向量机、神经网络等算法对特征的尺度非常敏感，不标准化会误判特征之间的关系，影响预测准确度。5.用任务一的客户流失数据当场算一笔账：使用秒数量级为几千、短信频率量级为几十，两个样本在两列上的距离几乎全由使用秒数决定，短信频率的贡献被压到可忽略。6.明确本次课的边界：标准化解决的是尺度问题，不解决缺失值与异常值，那两类问题在项目六已经处理过。【学生活动】记录三条必要性并各举一个自己见过的大量纲与小量纲字段；跟着教师算距离，说出哪一列主导了结果；口述标准化不解决哪两类问题。【设计意图】对应知识目标2，落实知识目标1。三条必要性逐条落到可算的例子上，学生能把抽象理由对应到具体字段；当场算距离这一动作是本环节的核心，学生亲眼看到小量纲字段被淹没，后面的方法才有立足点；明确标准化不解决缺失与异常，是为了避免学生把它当成万能药，直接落实思政中的求实态度。环节二为什么要做标准化（12分钟）讲授＋板书问题驱动法案例分析求实态度：尺度差异不是错误处理它才公平【教师活动】1.说明常见的标准化方法有多种，Z-score标准化最为常用，也叫标准差标准化。2.给出基本思想：将数据转换为均值为0、标准差为1的分布。3.板书公式Z＝（X－μ）／σ，逐个说明三个符号：X是原始数据，μ是数据的均值，σ是数据的标准差。4.分步演示。第一步只减均值：投屏结果，此时均值变为0，但数据仍分布在很宽的区间上，标准差没有变化。5.第二步再除标准差：投屏结果，此时均值为0、标准差为1。6.并列两个结果，提问：只做第一步够不够？引导学生说出不够，因为尺度仍然很宽。7.讲四个特点：不依赖于数据的原始分布形式，对于各种类型的数据都适用；转换后的数据便于理解和比较，特别适合需要评估异常值和相关性的任务；在使用K近邻、支持向量机、逻辑回归等算法时非常必要；对要求输入特征在相同尺度下的模型，如神经网络与支持向量机，尤为重要。8.提醒一个前提：若某列的标准差为0，说明该列所有取值相同，除不出来，需要先判断该列是否还有保留价值。【学生活动】跟做两步，记录两步各自的均值与标准差；说出只做第一步为什么不够；举例说明自己见过的一个几乎不发生变化的字段。【设计意图】对应知识目标3、4，突破难点两步缺一不可。把公式拆成两步分别投屏，学生看到的是两个可比较的数字而不是一个抽象公式，两步并列比直接讲公式有效；标准差为0的前提单独提醒，是因为它决定了方法能不能用，直接落实思政中的严谨态度。环节三Z-score公式与两步拆解（15分钟）讲授＋板演分步演示讲练结合严谨态度：两步缺一不可【教师活动】1.说明在Python中可用sklearn的StandardScaler实现Z-score标准化，给出两行核心代码：从sklearn.preprocessing导入StandardScaler，初始化scaler对象。2.讲fit_transform两个动作的分工：fit负责计算每一列的均值与标准差，transform负责用算出的值做变换。强调fit_transform是一次性完成两个动作。3.演示完整流程并投屏：导入NumPy与pandas；从sklearn.datasets导入load_breast_cancer；从sklearn.preprocessing导入StandardScaler；用load_breast_cancer()加载数据集；用pd.DataFrame把特征数据转为DataFrame并配上特征名；把标签列加入DataFrame，说明0为恶性、1为良性。4.强调一次性对30个特征列全部标准化，不需要逐列写循环，StandardScaler会对每一列分别计算均值与标准差。5.提问：为什么要对每一列分别算？引导学生说出不同列的量纲本来就不同，共用一套均值毫无意义。6.让全班在自己机器上跑通加载与转换两步，教师逐机确认输出形状。【学生活动】跟做加载与转换，记录DataFrame的形状；说出fit与transform两个动作的分工；说出为什么必须逐列计算。【设计意图】对应能力目标2、4。把fit与transform两个动作讲透，学生才能理解为什么必须先fit再transform，也为后面讲训练集与测试集共用同一套参数留下接口；逐列计算这一点单独强调，是因为它与标准化的定义直接对应，学生理解了逐列，也就理解了标准化的对象是一列而不是整张表；逐机确认输出形状，把个别环境差异在课堂内解决掉，直接落实思政中的规范意识。环节四StandardScaler与30个特征（18分钟）演示—模仿讲练结合（Python＋sklearn）规范意识：fit一次对所有列生效【教师活动】1.布置验证任务：取标准化前后同一位置的两列数据，分别计算均值与标准差，对比四个数字。2.演示取列的两种方式：用列名取，用位置取。说明30个特征列中任选两列即可，但两列必须取自同一位置。3.演示三步验证动作：取标准化前的该列并打印其均值与标准差；取标准化后的该列并打印其均值与标准差；把四个数字并列。4.投屏结果，说明标准化后均值接近0、标准差接近1，与公式的预期一致。5.强调验证的意义：不做验证就不知道标准化是否真的生效，尤其是列名取错时程序不会报错，只有数字能暴露问题。6.补充讲适度：标准化让数据具有均值为0、标准差为1的分布特性，使后续机器学习算法不受特征尺度差异的影响，但并不改变数据的排序与相关结构。【学生活动】跟做三步验证，记录四个数字；核对自己的结果与投屏结果是否一致；说出为什么列名取错时程序不会报错。【设计意图】对应能力目标3，落实素质目标2。三步验证动作是本环节的核心，学生用两个数字就能判断标准化是否生效，不依赖教师逐个批改；把列名取错不报错这一点讲透，是因为这是学生最易忽略的错误类型，数字是唯一能暴露它的手段；强调排序与相关结构不变，避免学生误以为标准化改变了数据本身，直接落实思政中的实证态度。环节五标准化前后对比验证（15分钟）对比演示讲练结合（投屏＋Jupyter）实证态度：用两个数字验证不凭感觉【教师活动】1.布置任务：把前面学的内容整合成完整脚本，完成乳腺癌数据的加载、标准化与验证。2.示范三段结构：加载并整理数据、执行标准化、抽样验证并输出对比结果。3.逐段演示并说明每段的输出：第一段输出DataFrame形状与列名清单；第二段输出标准化后的数组；第三段输出所选两列的四个数字。4.讲本案例的落脚点：数据集含569个样本与30个特征，每个特征代表从乳腺肿块细胞核的大小、形状、纹理等性质中提取的信息，各特征量级相差很大，标准化后主成分分析才能正常运行。5.学生实操期间巡视，重点检查标签列是否被误当作特征一并标准化、验证取的两列是否同源、四个数字是否真的打出来了。6.收尾讲方法边界：标准化对K近邻、支持向量机、逻辑回归、神经网络等基于距离或梯度的模型必要，对决策树这类不依赖距离的模型并非必需。【学生活动】独立实现完整脚本并运行，记录三段输出；核对所选两列标准化后是否达到均值0、标准差1；与同桌比对四个数字，差异明显的互相检查列名写法。【设计意图】对应能力目标2、3、4，是本次课的综合产出。三段结构与任务一的四段结构同构，学生在项目内第二次遇到同一写法，起到巩固作用；标签列误标准化是本环节的高频错误，把它点出来让学生的检查有明确目标；收尾讲方法边界，把必要性与适用条件一起讲全，避免学生以后一律标准化，直接落实思政中的辩证思维。环节六综合实施：乳腺癌数据标准化（17分钟）项目教学法演示—实操—巡视同伴互校辩证思维：方法都有适用边界【教师活动】1.引导学生用三句话小结：①尺度差异会淹没小量纲特征，标准化把各列转到同一尺度；②Z-score先减均值再除标准差，两步缺一不可；③标准化后均值为0、标准差为1，但它只解决尺度问题。2.板书知识框架：必要性→公式→实现→验证→适用边界，学生拍照记录。3.课程在线教学平台推送当堂检测5题（公式符号含义、两步作用、fit与transform的分工、适用模型类型），限时5分钟，系统自动批改，当场讲评错误率最高的