数据采集与预处理技术 教案 项目七 数据预处理技术进阶

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25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：项目七任务一sklearn的安装及介绍课程思政设计：1.科学精神与实证态度——客户流失能不能预测，不靠拍脑袋。3150条历史记录、360组候选模型、1080次拟合，结论全部由算出来的数字支撑。课堂要求学生说出每一个数字的来源，不说大概、差不多。2.工匠精神与规范意识——安装sklearn之前必须先确认NumPy、SciPy与Matplotlib三个依赖库已经就位，装完必须立刻验证版本号。依赖没装好，后面全部环节都会崩，规范不是形式而是能不能干活的前提。3.辩证思维与技术边界——集成学习再强也不是万能。单一模型够用时就不必堆模型，八大处理任务也不是每个项目都要用满。课堂讲清每种手段的适用场合，不把工具讲成通用解药。4.职业责任与代价意识——调优目标选召回率意味着宁可多留客户也不能漏掉真流失，这个取向直接连着企业的经营代价。课堂让学生明白，scoring参数不是技术细节而是业务决策。教学目标：知识目标：能说出sklearn的全称scikit-learn及其在Python科学计算生态中的位置；能说出sklearn依赖的三个核心库及其作用；能说出数据预处理、特征选择、模型选择、度量指标、降维、聚类、基本学习模型、集成学习八大处理任务各自解决什么问题；能说出完整机器学习工作流程的五个环节及其先后顺序；能说出GridSearchCV中param_grid、cv、scoring三个参数的含义。能力目标：能用python--version与pip--version检查本机环境版本并判断是否满足要求；能用pipinstall-Uscikit-learn完成安装，并用importsklearn与打印版本号验证安装成功；能说出MinMaxScaler、StandardScaler、Binarizer、OneHotEncoder四个预处理类各自的用途；能用GridSearchCV对DecisionTreeClassifier做超参数搜索，并读出best_score_与best_params_两个输出；能由各参数取值个数推算候选模型总数，再由候选数与折数推算总拟合次数。素质目标：养成装库前先查依赖、装完立即验证的习惯，不装完就往下写代码；养成把调优结论建立在可复现数字上的习惯，不凭印象说效果好；养成说明技术选择背后业务代价的意识，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：sklearn的安装与验证；八大处理任务的识别与归类；决策树超参数网格的构成与结果读取。教学难点：候选模型数量与总拟合次数的推算；召回率导向下最优参数组合的解读。学生容易把360当成教材给出的现成数字而不知其来源，对cv＝3意味着每个候选模型要拟合三次这一点也容易忽略。解决方法：针对难点：把参数网格画成表格逐行列出取值个数，学生自己乘出2×6×5×6＝360，再乘折数得1080，用可验算的乘法替代口头说明；对best_params_的四个值逐个解释它与召回率的关系，让学生讲得出每个取值为什么被选中。针对重点问题：采用边讲边练，每讲完一类处理任务或一段代码，即在课程在线教学平台推送1～2道限时练习当堂消化；把工作流程整理成五步固定流程，每步都有可复述的要点，学生能自行判断进度；实操期间教师巡视，重点检查安装是否真的完成、特征变量是否真的去掉了标签列；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、SciPy、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：教材配套电信客户流失数据集（CustomerChurn.csv，3150条记录，9个特征字段）。教学资源：①教材《数据采集与预处理技术》第189–193页正文、示例代码与配套数据集；②本课程课件与演示代码（含环境检查脚本、网格搜索完整脚本）；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）：提交环境检查截图、sklearn版本号输出、网格搜索代码与最佳参数输出，按安装完成度、代码完整度、结果正确性三项评分；②随堂测验：下课前5题（sklearn依赖库、八大任务识别、cv与scoring含义、候选数推算），平台自动批改，当场讲评错误率最高的一题；③课后作业：提交客户流失预测完整脚本与运行结果，附最佳参数组合的逐项说明。课前预习：平台3道诊断题（sklearn依赖库、pip与conda的区别），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.承接项目六：上一项目已经把缺失值补齐、异常时间与异常价格清理掉，重复记录也删除干净，数据整合与转换也已经完成。提问：数据已经干净了，接下来能用它做什么？2.给出本次任务情境：某电信公司需要根据历史客户数据，如通话失败次数、投诉次数、订阅时长、使用秒数、使用频率、短信频率、不同通话号码数、使用状态等，分析并预测客户流失情况，帮助公司制定个性化营销策略。3.投屏教材表7-1，展示3150名客户记录中的前6行，逐列说明九个字段的含义与量级差别。4.提问：只看这6行，能不能判断哪些客户会流失？请学生先表态，再追问理由。5.点明本任务：认识scikit-learn这个机器学习工具库并完成安装，用它把客户流失预测跑通，并讲清每一步在做什么。【学生活动】口述项目六完成的数据清洗工作；看投屏的前6行记录，逐列说出字段含义；对凭6行能否判断流失发表看法并说明理由。【设计意图】对应知识目标1与能力目标1。以项目六的清洗成果为起点，学生在上一项目已建立数据可用了的预期，此处顺势把问题推进到能用它做什么；先让学生凭少量记录判断再引入3150条记录与机器学习，是为了说明预测问题靠肉眼解决不了，只能靠工具与方法，直接回应思政中的实证态度；逐列说明字段量级差别，为本项目后续任务讲标准化与归一化埋下伏笔。环节一任务情境：3150名客户谁会流失（8分钟）任务驱动法直观演示法（投屏＋数据）实证态度：3150条记录结论靠算出来【教师活动】1.讲sklearn的全称scikit-learn，说明它是基于Python的开源机器学习库，构建在NumPy与SciPy之上，因此在安装sklearn之前必须先确保NumPy、SciPy、Matplotlib三个依赖库已经装好。2.演示pip安装法的三步，投屏命令行窗口：第一步用python--version与pip--version检查版本，强调Python需在3.9及以上；第二步用pipinstall-Uscikit-learn安装，说明-U会自动处理依赖关系；第三步用importsklearn与打印版本号两句代码验证。3.现场执行，投屏实际输出的版本号，说明没有报错且输出版本号即为安装成功。4.讲Anaconda安装法的四步：安装Anaconda；用condacreate-nmyenvpython=3.9创建虚拟环境；用condaactivatemyenv激活；用condainstallscikit-learn安装；再用同样两行代码验证。强调虚拟环境的作用是避免包冲突。5.讲sklearn的设计目标：提供高效、灵活且通用的机器学习算法，同时兼具易于使用的API接口，适合新手与有经验的开发人员；可与NumPy、SciPy、pandas与Matplotlib无缝集成。6.全班在各自机器上完成安装并报出版本号，教师逐机确认。【学生活动】跟做三步，记录本机的Python版本与sklearn版本号；说出虚拟环境的作用；对两种安装方式的差别做笔记。【设计意图】对应能力目标1、2，落实知识目标2。安装是本节唯一必须先完成的动作，装不上后面全部环节都无法进行，因此单独成环节并留足时间逐机确认；两种安装方式并列讲，是为了让学生明白pip与conda是两套并行的包管理体系，避免以后混用；把依赖库讲在前面、把验证讲在最后，直接落实思政中的规范意识。环节二sklearn的安装与验证（12分钟）演示—模仿讲练结合（命令行＋Jupyter）规范意识：先查依赖装完即验证【教师活动】1.说明sklearn提供从数据预处理到模型评估的一整套工具，下面按八大处理任务逐一讲解，每项都配上对应的模块或函数名。2.数据预处理：讲MinMaxScaler、StandardScaler、Binarizer、OneHotEncoder四个常用类，说明各模型输入输出以np.array与pd.DataFrame为标准格式，字符串的离散标签不能直接用于模型训练；以距离作为度量进行训练时必须考虑无量纲化问题。3.特征选择：引用教材原话，数据与特征决定了学习的上限，模型和算法只是努力逼近这个上限。讲两类需求：维度过多时过滤掉不重要的特征以加快训练速度；特征较少或模型效果不佳时构造新特征提升特征空间维度，改善模型性能。4.模型选择：讲train_test_split、cross_val_score、GridSearchCV三个函数，说明它们分别对应数据集划分、参数调优与模型验证。5.度量指标：说明不同的度量指标会影响模型的优化方向，从而得到不同的最优模型；分类任务、回归任务、聚类任务各有评价指标。6.降维：以奇异值分解为例说明降维在数据预处理中的作用，讲清降维后的特征往往与原有特征不再具备直接的解释关系，这在一定程度上降低了模型的可解释性。7.聚类：讲基于距离、基于密度、基于层次三类方法，说明聚类是在没有样本真实标签的情况下把物以类聚的样本分为若干组。8.基本学习模型：讲线性模型、K近邻、支持向量机、朴素贝叶斯、决策树五类，说明分类与回归同属有监督学习。9.集成学习：讲Bagging、Boosting、Stacking三个流派，说明单一的基本学习模型难以满足实际需求时才用集成。10.归纳：八大任务的排列顺序本身就是一条从原始数据到最终模型的技术链条。【学生活动】边听边在笔记本上按八项记录对应的模块名；说出MinMaxScaler与OneHotEncoder分别处理什么类型的数据；举例说明自己见过的一个聚类场景。【设计意图】对应知识目标3，落实能力目标3。八大任务按教材顺序讲，是为了让学生先建立全局图景，知道sklearn能干什么，后续环节讲流程与案例时才有位置可放；每项都配模块名，学生课后查阅有据可依；把可解释性会下降讲在降维项里，为本项目任务四讲主成分分析埋下伏笔；归纳成链条直接落实思政中的系统观念。环节三sklearn的八大处理任务（18分钟）讲授＋板书结构化归纳案例分析系统观念：八大任务各司其职构成完整链条【教师活动】1.点明正确的模型学习不只是选择一个算法并进行预测，完整流程涵盖五个关键环节。2.数据准备：演示用datasets.load_iris()加载鸢尾花数据集，用train_test_split()划分训练集与测试集，强调划分必须在建模之前完成。3.数据预处理：说明要按数据类型的不同决定是否做标准化、去噪、缺失值填充，目的是提升数据质量与模型效果。4.选择算法并训练模型：演示用fit()方法训练，说明训练好的模型才能对新数据做预测。5.模型评估：说明采用交叉验证或单独划分的训练集与测试集做评估，常用指标包括准确率、召回率与F1分数。6.模型优化：说明通过参数调整、特征工程或者尝试不同的算法，不断优化模型，提高预测精度与泛化能力。7.强调五步顺序不可颠倒，尤其测试集划分必须在训练之前，否则评估结果不可信。8.让全班按五步复述，教师补充纠正。【学生活动】跟做鸢尾花数据集的加载与划分；按五步顺序复述流程；说出测试集划分为什么要放在训练之前。【设计意图】对应知识目标4。五步流程是本任务的骨架，讲清顺序才能让后续讲网格搜索时学生知道它落在第五步；把划分必须在前单独强调，是因为这是学生最常犯的顺序错误；让全班复述而不是教师总结，便于当场发现理解缺口，直接落实思政中的流程意识。环节四机器学习工作流程五步（15分钟）讲授＋板书流程图示讲练结合流程意识：五步顺序固定不可跳步【教师活动】1.说明本任务用决策树模型做客户流失预测，决策树属于有监督学习中的分类模型。2.讲四个待调超参数及其取值：criterion取gini与entropy两种分裂标准，gini是基尼不纯度、entropy是信息增益；max_depth取10到60六档，表示决策树的最大深度；min_samples_split取10到50五档，表示内部节点再划分所需的最小样本数；min_impurity_decrease取0到0.1六档，表示划分所需的最小不纯度减少。3.把四个参数的取值个数并列板书，让学生自己乘出候选模型总数2×6×5×6＝360。4.讲GridSearchCV的四个参数含义：estimator为待调模型，param_grid为参数网格，cv＝3表示三折交叉验证，scoring＝recall表示以召回率为优化目标。5.讲拟合次数推算：360个候选模型，每个在输入数据集的不同子集上拟合三次，共1080次。6.提问：为什么这里选召回率而不是准确率？引导学生认识召回率优先意味着宁可多留客户也不能漏掉真流失。7.演示gridSearch.fit(Xs,y)的完整代码，说明Xs是去掉流失标签列后的所有特征列，y是流失标签列。【学生活动】自己在纸上做2×6×5×6的乘法，报出360与1080两个数；说出cv与scoring两个参数的含义；讨论并说明为什么本场景选召回率。【设计意图】对应知识目标5与能力目标4、5，突破难点候选模型数量与拟合次数的推算。让学生自己乘出数字而不是直接告知，乘法过程可验算，学生记住的是自己算出来的结果；把scoring＝recall与业务代价挂钩，把技术参数讲成业务决策，直接落实思政中的代价意识；本环节与本项目后续任务共用同一套讲法，学生在项目七内形成统一思路。环节五决策树与网格搜索（15分钟）对比演示启发式提问（Python＋sklearn）工匠精神：每个参数都连着业务代价【教师活动】1.布置任务：把前面学的内容整合成完整脚本，完成客户流失预测的建模与调优。2.示范脚本骨架并边写边讲四段顺序：导入库与读取数据、划分特征与标签、定义参数网格、执行网格搜索并输出结果。3.逐段演示代码：用pd.read_csv读取客户流失数据集；用customer_df['Churn']取出目标变量；用drop(columns=['Churn'])取出特征变量；用字典写出param_grid；用GridSearchCV构造搜索对象；用fit执行搜索。4.演示两句输出语句，分别打印best_score_与best_params_。5.投屏教材给出的结果：最佳分数0.7353535353535353，最佳参数组合为criterion取entropy、max_depth取10、min_impurity_decrease取0.005、min_samples_split取40。逐项解释这四个值与召回率的关系：entropy说明用信息增益作分裂标准在本次数据上更利于找出流失客户；max_depth取10说明树不宜过深，过深会记住训练集里的个别案例；min_samples_split取40说明每个节点至少要保留40个样本才继续划分；min_impurity_decrease取0.005说明不纯度提升不足0.005的划分不再进行。6.学生实操期间巡视，重点检查特征变量是否真的去掉了标签列、参数网格是否写全、两句输出是否都执行了。【学生活动】独立实现完整脚本并运行，记录最佳分数与最佳参数组合；核对自己的参数组合与投屏结果是否一致；与同桌比对输出，差异明显的互相检查参数网格的写法。【设计意图】对应能力目标4、5，是本次课的综合产出。四段顺序与环节四的五步流程同构，学生在项目内第二次遇到同一结构，起到巩固作用；逐项解释最佳参数的业务含义，把抽象数字讲成可解释的结论；与同桌比对输出制造同伴校验，把个人错误在课堂内消化掉，直接落实思政中的求实态度。环节六综合实施：客户流失预测（17分钟）项目教学法演示—实操—巡视同伴互校求实态度：结果可复现结论有依据【教师活动】1.引导学生用三句话小结：①装库前先查依赖，装完立即验证；②八大任务按预处理到评估排成一条链；③网格搜索的候选数是各参数取值数之积，拟合次数是候选数乘折数。2.板书知识框架：安装→八大任务→五步流程→建模调优→结果解读，学生拍照记录。3.课程在线教学平台推送当堂检测5题（sklearn依赖库、八大任务识别、cv与scoring含义、候选数推算），限时5分钟，系统自动批改，当场讲评错误率最高的一题。4.布置作业并预告：下一任务将解决这些字段量级差别带来的问题，请课前比较使用秒数与短信频率两个字段的数值范围。【学生活动】口述三句话小结；独立完成检测；记录作业要求与下一任务思考题。【设计意图】覆盖知识目标1～5，属形成性评价。三句话小结把本任务压缩成三条可复述的准则；知识框架与环节三的八大任务、环节四的五步流程对应，学生能在项目七内部形成统一图景；预告下一任务时用字段量级差别制造衔接，保持整条链的连续性。环节七小结与当堂检测（5分钟）归纳小结在线检测自动批改诚信意识：独立作答不查资料课外学习任务及学习指导课前：1.预习教材项目七任务一（第189–193页），标注不理解的代码行。2.复习本项目前序内容——项目六已完成的数据清洗与整合转换，本节直接在干净数据上推进。3.完成课程在线教学平台3道课前诊断题（sklearn依赖库、pip与conda的区别），统计错误率用于调整讲授重点。课后：一、基础巩固（必做，下次课前提交）1.完成教材第189–193页本节练习。2.提交客户流失预测完整脚本源代码与运行结果截图，附100字说明，讲清最佳参数组合中每个参数的含义。二、拓展提升（选做，A／B二选一）A.把cv改为5重做网格搜索，对比最佳分数与拟合次数的变化，说明折数增加带来的代价与收益。B.把scoring改为accuracy重做，对比两种指标下选出的最佳参数组合是否相同，说明原因。三、思政拓展（选做）结合本次课讲的召回率优先，写100字感想，谈谈在客户流失这类场景中，技术指标的取向怎样影响企业的经营决策。填表说明：1.本页可续页；2.教学方法如：项目教学、案例分析、分组讨论、角色扮演、启发引导等；3.教学手段如：课件演示、模型讲解、实物讲解、挂图讲解、视频讲解、网络课程等。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一题。4.布置作业并预告：下一任务讲另一种把数据压到0～1区间的方法，请课前思考它与本任务方法在数据范围上的差别。【学生活动】口述三句话小结；独立完成检测；记录作业要求与下一任务思考题。【设计意图】覆盖知识目标1～5，属形成性评价。三句话小结把本任务压缩成三条可复述的准则；知识框架与环节二的三条必要性、环节三的两步拆解对应，学生能在项目内形成统一思路；预告下一任务时用数据范围的差别制造衔接，保持整条链的连续性。环节七小结与当堂检测（5分钟）归纳小结在线检测自动批改诚信意识：独立作答不查资料课外学习任务及学习指导课前：1.预习教材项目七任务二（第194–196页），标注不理解的代码行。2.复习本项目任务一中sklearn的工作流程，本节沿用同一套流程。3.完成课程在线教学平台3道课前诊断题（均值与标准差的计算），统计错误率用于调整讲授重点。课后：一、基础巩固（必做，下次课前提交）1.完成教材第194–196页本节练习。2.提交乳腺癌数据标准化完整脚本与运行截图，附所选两列标准化前后的四个数字。二、拓展提升（选做，A／B二选一）A.任选三个特征列分别验证，说明各列标准化后的均值与标准差是否都接近目标值。B.用项目六的电商销售数据集重做标准化，指出其中量级差别最大的两个字段。三、思政拓展（选做）结合本次课讲的方法边界，写100字感想，谈谈使用一种技术时说明它的适用条件为什么重要。填表说明：1.本页可续页；2.教学方法如：项目教学、案例分析、分组讨论、角色扮演、启发引导等；3.教学手段如：课件演示、模型讲解、实物讲解、挂图讲解、视频讲解、网络课程等。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27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：项目七任务三Min-Max归一化课程思政设计：1.辩证思维与方法选择——两种方法的目的相同、手段不同，没有哪个更好，只有哪个更适合。课堂要求学生先说清理由再用，杜绝套公式。2.审慎态度与风险意识——Min-Max归一化对异常值高度敏感，一个极端值就能把其余数据压到很窄的区间。课堂要求先看最大值与最小值再选方法。3.国际视野与理解差异——122个国家2010—2019年的生活满意度与腐败感知数据，让学生直观看到同一指标在不同国家之间的巨大差距，理解数据背后是真实的发展差异。4.求实态度——归一化只是尺度调整，不改变国家之间的真实差距。课堂明确讲，不能因为数据落在了0～1区间就认为差距变小了。教学目标：知识目标：能说出归一化的定义与核心目的；能写出Min-Max归一化公式并说明X、Xmin、Xmax、X'四个符号的含义；能说出归一化后数据的取值范围；能说出Min-Max归一化与Z-score标准化在目的、数据范围、适用场景、异常值影响、应用模型五个维度上的差别；能说出归一化对异常值敏感的原因。能力目标：能用MinMaxScaler完成fit_transform并得到落在0～1区间的结果；能筛出指定年份的数据子集并选取指定维度；能对比归一化前后同一组数据的取值范围；能说明本案例中选生活满意度与腐败感知两个维度做聚类的理由；能根据数据特点在两种方法中做出选择并说明理由。素质目标：养成选方法前先看数据分布与是否使用距离类算法的习惯；养成用取值范围验证归一化结果的习惯；养成说明选择理由的习惯，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：Min-Max公式中最小值与最大值的映射关系；MinMaxScaler的用法；与Z-score标准化的五维对比。教学难点：两种方法的适用边界辨析；归一化对异常值敏感的原因与后果。学生容易记住Min-Max压到0～1这个结论，却说不出什么时候该改用Z-score。解决方法：针对难点：把教材表7-2投屏讲清五个维度，再补一组只有五个数的极端演示——数据为1、2、3、4、100，归一化后前四个数被压到0.00到0.03之间，取值为100的那个数独占1.00，学生看到数字就知道敏感意味着什么；两种方法并列时给出三条选型判据，让学生按判据作答而不是凭印象。针对重点问题：采用边讲边练，每讲完一个维度即在课程在线教学平台推送1～2道限时练习当堂消化；把五维对比整理成一张可对照的表格，学生人手一份；实操期间教师巡视，重点检查年份筛选是否写对、维度列名是否写全；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：某报告122个国家2010—2019年相关数据（含国家名称、所在大洲、对应年份、人口数量、生活满意度、人均国内生产总值对数值、社会支持、预期寿命、自由选择生活、慷慨度、腐败感知、积极影响、消极影响）。教学资源：①教材《数据采集与预处理技术》第197–199页正文、示例代码与配套数据集；②本课程课件与演示代码（含极端值对照脚本、归一化前后对比脚本）；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）：提交幸福感数据归一化完整脚本与对比结果，按筛选正确性、归一化执行情况、两组数字完整性三项评分；②随堂测验：下课前5题（公式符号含义、五维差别、异常值后果、选型判据），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，附归一化前后前5行的两组数据。课前预习：平台3道诊断题（标准化与归一化的输出区间差别），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.承接任务二：上一任务用Z-score标准化把乳腺癌数据的30个特征转到了同一尺度。提问：还有没有别的方法也能达到同样的目的？2.给出本次任务情境：某报告记录了122个国家2010—2019年的相关数据，字段依次为国家名称、所在大洲、对应年份、人口数量、生活满意度、人均国内生产总值对数值、社会支持、预期寿命、自由选择生活、慷慨度、腐败感知、积极影响与消极影响。3.投屏教材图7-1的部分数据，指出人口数量以亿计、生活满意度是个位数、腐败感知是0到1之间的小数。4.提问：要用2019年的生活满意度与腐败感知两个维度对国家做聚类，两个维度该怎么发挥同等作用？5.点明本任务：用Min-Max归一化把各维度压到同一区间，并讲清它与上一任务方法的差别。【学生活动】口述上一任务标准化的作用；看投屏数据，指出三个字段中量级差别最大的是哪一对；对两个维度如何发挥同等作用给出猜想。【设计意图】对应知识目标1。以任务二刚讲过的标准化为起点，学生带着刚建立的方法印象进入本任务，比较才有参照；先让学生自己指出量级差别最大的字段对，认知冲突来自数据本身；把聚类场景提前给出，后面讲适用场景时学生能直接对应到自己刚想过的问题。环节一任务情境：122个国家怎样公平比较（8分钟）任务驱动法直观演示法（投屏＋数据对比）国际视野：同一指标国别差距巨大【教师活动】1.给出归一化的定义：将数据按照一定规则进行转换，使得每个特征的数据值都落在同一个范围内。2.点明常见的归一化方法有多种，Min-Max归一化最为常用。3.讲基本思路：将原始数据的最小值映射到0，最大值映射到1，其他数值则按比例进行缩放。4.板书公式X'＝（X－Xmin）／（Xmax－Xmin），逐个说明四个符号：X是原始数据，Xmin与Xmax分别是数据中的最小值和最大值，X'是归一化后的数据，范围为0～1。5.用一组只有三个数的例子板演：取2、5、8，最小值为2、最大值为8，算得三个结果为0、0.5、1。6.追问：如果原始数据的最小值与最大值相等会怎样？引导学生说出分母为0，此时该列没有信息。7.讲代码实现三行：从sklearn.preprocessing导入MinMaxScaler，初始化scaler对象，用fit_transform完成归一化。8.讲四个特点：简单直观，易于理解与实现；归一化后的数据范围固定在0～1内；适用于要求数据在特定范围内的算法，如神经网络；适用于需要将数据转化为特定尺度的场景，例如图像数据的归一化。【学生活动】跟做三个数的板演，报出0、0.5、1三个结果；说出分母为0时的后果；记录四个特点并说出自己见过的一个落在0～1区间的数据。【设计意图】对应知识目标2、3，落实能力目标1。三个数的板演是理解公式的关键动作，学生亲手算过一遍，公式不再是符号；分母为0的追问把方法的成立条件讲清楚，与上一任务标准差为0的前提呼应，两者同为缩放方法的前置条件；四个特点逐条讲，是为下一环节的五维对比准备素材，学生带着特点进对比。环节二Min-Max公式与0～1区间（15分钟）讲授＋板演讲练结合（板书＋Jupyter）严谨态度：先算清楚再用方法【教师活动】1.点明两种方法都是常见的数据预处理技术，用于调整特征数据的分布，目的相同、手段不同，下面按教材表7-2的五个维度逐项对照。2.第一维度目的：Min-Max归一化将数据缩放到一个特定的范围，通常是0～1；Z-score标准化将数据转换为均值为0、标准差为1的分布。3.第二维度数据范围：Min-Max转换后的数据范围通常在0～1内；Z-score的分布无固定取值区间。4.第三维度适用场景：Min-Max适用于已知数据范围或者需要将数据压缩到特定区间时，常见于图像处理等场景；Z-score适用于基于距离度量并使用梯度下降进行优化的机器学习模型。5.第四维度异常值的影响：Min-Max对异常值高度敏感，异常值会影响最大值与最小值的计算，进而影响归一化的结果；Z-score对异常值的影响相对较小，因为标准化基于均值和标准差，异常值可能影响均值和标准差，但不会使数据超出某个范围。6.第五维度应用模型：Min-Max常用于神经网络、图像处理、深度学习等需要将特征值压缩到相同范围的模型；Z-score常用于大多数机器学习模型，尤其是基于距离的模型，如K近邻与支持向量机。7.归纳一句话：Min-Max适合将数据压缩到一个特定范围，Z-score适合调整数据的分布，选择哪种方法取决于使用的机器学习算法及数据的特点。8.给出三条选型判据：需要固定区间选Min-Max；用基于距离或梯度的模型选Z-score；数据里有极端值优先考虑Z-score。9.让全班按判据回答三组场景题，当场讲评。【学生活动】边听边在表格上按五个维度做标记；说出两种方法的输出区间差别；按三条判据回答三组场景题并说明理由。【设计意图】对应知识目标4，突破难点两种方法的适用边界辨析。五维对比是本环节的核心动作，逐项对照比分别介绍有效，因为差别只有在并列时才显现；三条判据把对比结论压缩成可操作的规则，学生遇到新场景时有据可依而不是凭印象；当场讲评场景题，把理解偏差在课堂内纠正，直接落实思政中的辩证思维。环节三归一化与标准化五维对比（20分钟）对比讲授表格对照讲练结合辩证思维：目的相同手段各有边界【教师活动】1.点明Min-Max归一化的最大弱点：对异常值敏感。2.给出一组极端数据：1、2、3、4、100，说明最小值为1、最大值为100。3.现场算五个结果并投屏：0、约0.01、约0.02、约0.03、1。4.追问：前四个数原来相差1，归一化后相差多少？引导学生说出被压到几乎分不开。5.讲后果：原本有区分度的四个数被压缩到很窄的区间，模型难以从中提取差异，聚类与距离计算的结果会严重失真。6.讲原因：最大值与最小值直接参与分母与分子的计算，一个极端值就把整个区间拉长。7.讲对：遇到这种情况可改用Z-score标准化，因为它基于均值与标准差，不会让数据被极端值完全支配。8.提醒：是否含极端值要在动手前判断，可先看最大值与最小值是否明显偏离多数数据。【学生活动】跟着算五个结果，说出前四个数被压到了什么区间；说明极端值通过什么途径影响结果；说出应对办法。【设计意图】对应知识目标5，突破难点异常值敏感的后果。五个数字的极端演示是本环节的核心，学生看到0.01与1并列，立刻理解敏感意味着什么，比文字描述有效得多；把原因归到最大值与最小值参与计算，学生的理解落在公式上而不是停留在结论上；动手前先判断这一提醒，直接落实思政中的审慎态度。环节四异常值会毁掉归一化（12分钟）极端值演示问题驱动法对比讲授审慎态度：先看分布再选方法【教师活动】1.说明本案例用MinMaxScaler对报告数据中2019年的两个维度做归一化。2.演示读取数据并投屏前若干行，逐列说明字段含义。3.演示筛选2019年数据的两步：用布尔条件report_df.year==2019建立筛选条件，用布尔索引得到2019年数据的子集。强调筛选必须在归一化之前完成。4.演示选取维度两步：定义dimensions列表写出生活满意度与腐败感知两个列名；用索引取出这两个维度的数据。5.讲为什么选这两个维度：本例要用这两个维度对国家做K均值聚类，聚类以数据对象之间的距离作为重要决定因素，若不归一化，取值更大的维度会主导距离计算。6.演示归一化两步：初始化MinMaxScaler对象，用fit_transform得到归一化后的数据。7.演示两句输出：打印未归一化数据的前5行，打印归一化后数据的前5行。8.让全班在自己机器上跑通筛选与归一化两步，教师逐机确认。【学生活动】跟做筛选与归一化，记录2019年数据子集的行数；说出选这两个维度做聚类的理由；记录原始与归一化后前5行的两组数字。【设计意图】对应能力目标2、3、4。筛选必须在归一化之前这一点单独强调，是因为它与项目六讲的先清洗后处理同构，学生在本项目内再次遇到顺序问题；讲清为什么选这两个维度，学生的操作有了业务理由而不只是照抄代码；两句输出并列，为下一环节的对比准备材料，直接落实思政中的实证态度。环节五MinMaxScaler实操（15分钟）演示—模仿讲练结合（Python＋sklearn）流程意识：先筛选后归一化【教师活动】1.布置任务：把前面学的内容整合成完整脚本，完成报告数据的读取、筛选、归一化与对比输出。2.示范四段结构：读取数据、筛选年份、选取维度、执行归一化并对比输出。3.逐段演示并投屏结果。第四段并列打印归一化前后前5行，逐行说明每个数字落到的区间。4.讲本案例的落脚点：归一化完成了输入特征的尺度统一，将数据范围固定在0～1内，为之后的机器学习算法做好了准备。5.强调两个维度在归一化后发挥同等作用，2019年各国在这两个维度上的差异得以被同等看待，聚类结果不再由取值更大的那个维度单独决定。6.学生实操期间巡视，重点检查年份筛选是否只保留了2019年、维度列名是否写全、对比输出是否两组都打出来了。7.收尾提醒：数据落在0～1只是尺度变化，国家之间的真实差距没有改变，不能据此认为差距缩小了。【学生活动】独立实现完整脚本并运行，记录归一化前后前5行；核对归一化后数据是否都落在0～1内；与同桌比对两组数字，差异明显的互相检查筛选条件。【设计意图】对应能力目标2、3、4、5，是本次课的综合产出。四段结构与任务二的三段结构同构，学生在项目内第三次遇到同一写法，加深巩固；逐行说明区间，把抽象的范围固定落到具体数字上；与同桌比对制造同伴校验，把个人错误在课堂内消化掉；收尾提醒尺度变化不等于差距变化，直接落实思政中的求实态度。环节六综合实施：幸福感数据归一化（15分钟）项目教学法演示—实操—巡视同伴互校求实态度：尺度变了差距没变【教师活动】1.引导学生用三句话小结：①Min-Max把最小值映到0、最大值映到1；②两种方法目的相同，差别在数据范围、适用场景、异常值影响与应用模型；③数据里有极端值时优先用Z-score。2.板书知识框架：公式→特点→五维对比→异常值→选型，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、五维差别、异常值后果、选型判据），限时5分钟，系统自动批改，当场讲评错误率最高的一题。4.布置作业并预告：下一任务将处理特征过多带来的冗余问题，请课前思考13个化学指标能不能减少到2个。【学生活动】口述三句话小结；独立完成检测；记录作业要求与下一任务思考题。【设计意图】覆盖知识目标1～5，属形成性评价。三句话小结把本任务压缩成三条可复述的准则；知识框架与环节二的公式、环节三的五维对比对应，学生能在项目内形成统一思路；预告下一任务时用13个指标减到2个制造衔接，保持整条链的连续性。环节七小结与当堂检测（5分钟）归纳小结在线检测自动批改诚信意识：独立作答不查资料课外学习任务及学习指导课前：1.预习教材项目七任务三（第197–199页），标注不理解的代码行。2.复习本项目任务二的Z-score标准化，本节要与它逐项对比。3.完成课程在线教学平台3道课前诊断题（标准化与归一化的输出区间差别），统计错误率用于调整讲授重点。课后：一、基础巩固（必做，下次课前提交）1.完成教材第197–199页本节练习。2.提交幸福感数据归一化完整脚本与运行截图，附归一化前后前5行的两组数据。二、拓展提升（选做，A／B二选一）A.另选人均国内生产总值对数值与预期寿命两个维度重做归一化，对比两组维度的原始取值范围与归一化结果。B.人为在数据中加入一个极端值后重做归一化，记录其余数据的区间变化，说明影响程度。三、思政拓展（选做）结合本次课讲的两个维度数据，写100字感想，谈谈数据预处理让各国可被比较，是否意味着各国之间的真实发展差距被抹平了。填表说明：1.本页可续页；2.教学方法如：项目教学、案例分析、分组讨论、角色扮演、启发引导等；3.教学手段如：课件演示、模型讲解、实物讲解、挂图讲解、视频讲解、网络课程等。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28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：项目七任务四数据的降维课程思政设计：1.辩证思维与代价意识——降维换来效率与可视化，代价是可解释性下降。课堂要求讲清得了什么、失了什么，不能只说好处。主成分不再对应原来的任何一项化学指标，这一点必须讲明白。2.科学精神与证据意识——降到2个主成分够不够，要看方差解释比率而不看感觉。课堂用累积解释率作为判断依据，让学生用数字回答保留了多少信息。3.严谨态度与顺序意识——主成分分析对尺度敏感，必须先标准化再降维。课堂把顺序讲成硬性要求，并用反例图让学生看到不做标准化的后果。4.创新意识与前沿视野——降维技术在医学影像分析、金融风控、环境监测等场景中广泛应用。课堂让学生看到基础技术的现实价值，理解预处理不是附加工序而是分析链条的基础环节。教学目标：知识目标：能说出数据降维的定义与核心目的；能说出属性子集选择、小波变换、主成分分析三种降维方法各自的特点与适用场景；能说出逐步向前选择、逐步向后删除、双向搜索、决策树归纳四种启发式方法；能说出主成分分析五个执行步骤的名称与顺序；能说出方差解释比率的含义与累积解释率的作用；能说出主成分分析的线性假设及其局限。能力目标：能用load_wine加载葡萄酒数据集并把特征数据转为DataFrame、把类别标签单独取出；能对13个特征列一次性完成标准化；能用PCA(n_components=2)完成降维并把结果存入DataFrame；能把类别标签加入降维结果用于着色；能用散点图把两个主成分可视化并按类别着色；能输出explained_variance_ratio_并计算前两个主成分的累积解释率；能根据累积解释率判断降维是否保留了足够信息。素质目标：养成降维前先标准化、降维后必看解释率的习惯；养成说明降维代价的习惯，不只说减少了几个维度；养成用可视化结果辅助判断聚类与分类可行性的习惯。教学重难点及解决方法：教学重点：主成分分析五步执行流程；n_components参数的含义；方差解释比率的读取与累积计算。教学难点：主成分分析为什么要先标准化；方差解释比率与信息保留量的对应关系。学生容易把2当成固定取值而不追问为什么是2，对解释率只有60%意味着丢掉了40%这一点也缺乏概念。解决方法：针对难点：做一次反例演示——对未标准化的葡萄酒数据直接跑主成分分析，与标准化后的结果并列投屏，两幅散点图的类别分隔度差异明显，学生看到图就知道标准化的作用；把解释率讲成一笔账，前两个主成分合计解释约60%的方差，即保留了大部分信息，同时也丢掉了约40%，学生能把这个数字与信息损失直接对应。针对重点问题：采用边讲边练，每讲完一步即在课程在线教学平台推送1～2道限时练习当堂消化；把五步整理成固定流程，每步都有可打印的输出，学生能自行判断进度；实操期间教师巡视，重点检查标准化是否真的执行、n_components取值是否合理；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、matplotlib）；课程在线教学平台。软件与工具：Anaconda、JupyterNotebook、PyCharm/VSCode。数据与素材：sklearn自带葡萄酒数据集（178个样本、13个化学特征、3个类别）；技能强化案例为某商城商品数据。教学资源：①教材《数据采集与预处理技术》第200–206页正文、示例代码、图7-2与技能强化案例；②本课程课件与演示代码（含反例对照脚本、PCA可视化脚本、电商商品数据处理脚本）；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）：提交葡萄酒数据主成分分析完整脚本与两幅结果图，按标准化执行情况、降维代码完整度、解释率读取正确性三项评分；②随堂测验：下课前5题（三种方法差别、五步顺序、n_components含义、解释率读法、线性假设），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、散点图与两个主成分各自的解释率及合计值。课前预习：平台3道诊断题（标准化与归一化的适用差别），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.承接任务三：上一任务把两个维度压到了0～1区间，让它们发挥同等作用。提问：如果维度不是2个而是13个，还能一眼看清吗？2.给出本次任务情境：葡萄酒产品围绕酒精含量、苹果酸、灰分、镁含量、酚类含量、颜色强度、色调等多项理化特征被采集，每一项特征都有可能在品质评定、类别区分、市场定位等方面发挥作用。3.点明两难：特征丰富为分类与质量评估提供了全面信息，但同时也带来数据冗余、可视化困难、模型复杂度增加三个挑战。4.讲冗余的成因：酒精含量、酚类含量与颜色强度等特征之间可能存在较强的线性相关性，它们都有可能反映葡萄酒的某些共同特征，会导致信息重叠与数据干扰。5.讲冗余的后果：冗余特征不仅降低模型训练与推理效率，还可能增加过拟合风险，降低模型泛化能力。6.讲可视化的困难：高维特征空间使得数据的直观展示和可视化分析变得非常困难，想看清不同类别葡萄酒之间的分布关系，单纯依靠高维特征空间的分析往往难以做到。7.点明本任务：用主成分分析把高维特征压缩成少数几个主成分，既减少冗余又便于可视化。【学生活动】口述上一任务归一化的作用；说出三个挑战中自己认为最难解决的一个；举例说明自己见过的一组可能高度相关的指标。【设计意图】对应知识目标1。以任务三刚处理过的维度为起点，把维度数量从2推到13，学生带着刚建立的尺度意识进入高维问题；三个挑战分列讲清，学生知道降维要解决的是哪三件事，后面的方法有明确靶子；把冗余成因讲在前面，为环节三讲协方差矩阵与相关性埋下伏笔。环节一任务情境：13个指标怎么一眼看清（8分钟）任务驱动法直观演示法（投屏＋数据）问题意识：信息多不等于看得清【教师活动】1.给出降维的定义：将数据从高维空间映射到低维空间的过程，核心目的是减少特征数目，同时尽可能保留数据的主要信息。2.说明常用的数据降维方法包括属性子集选择、小波变换与主成分分析三类。3.讲属性子集选择：目的是通过检测并删除不相关、弱相关或冗余的特征来降低数据的维度，帮助找到一个最小的属性集，使得数据的概率分布尽可能接近使用所有属性时的概率分布；基于精简属性子集开展数据挖掘，能够减少模式发现过程中涉及的特征数量，从而使得模式更易于理解。4.讲四种启发式方法：逐步向前选择、逐步向后删除、双向搜索、决策树归纳。说明通常采用启发式方法来压缩搜索空间以实现最佳子集选择，终止条件可以根据需求设定，比如设置一个度量阈值来决定何时停止。5.讲小波变换：是一种基于短时傅里叶变换的局部化思想，克服了窗口大小不随频率变化等问题，提供了一种频率自适应的时频分析窗口，非常适合用于信号的时频分析与处理；对信号进行小波变换后可得到反映信号在不同尺度上能量分布的小波系数；对能量集中在低频成分的信号，可通过截取低频近似系数实现近似压缩，对能量分散或集中在高频成分的信号，则需采用阈值处理保留能量集中的系数。6.点明三种方法的分工：属性子集选择是通过删掉一些原有特征来降维，小波变换与主成分分析则是将原始数据变换或投影到较小的空间中。7.讲主成分分析的定位：是一种常见的线性降维方法，广泛用于数据降维和特征提取，在高维数据集的探索、可视化以及数据压缩和预处理等任务中都有应用，在数据压缩、冗余消除以及数据噪声去除等领域也有广泛应用。【学生活动】记录三类方法的名称与各自的处理方式；说出四种启发式方法中哪一种是边加边减；说出属性子集选择与另外两种方法的根本差别。【设计意图】对应知识目标2、3。三类方法并列讲，学生先建立方法全景，后面专攻主成分分析时知道它处在什么位置；分工那一句是理解三者的关键，删特征与造新特征是两种完全不同的思路，讲清了学生才不会混淆；小波变换讲得简略但讲清适用对象是信号，学生知道它不属于本任务的实操范围，直接落实思政中的代价意识。环节二三种降维方法概览（15分钟）讲授＋板书对比讲授结构化归纳系统观念：删特征与造新特征是两条路【教师活动】1.点明本任务用主成分分析，讲其核心思想：通过线性变换将原始特征投影到一组新的互相正交的基向量上，这些基向量称为主成分，它们能够最大程度保留数据的方差，从而将数据从高维空间映射到低维空间。2.讲五步执行流程，边讲边板书步骤名。第一步标准化数据：由于主成分分析对数据的尺度敏感，首先需要对数据进行标准化处理，使得每个特征的均值为0、标准差为1。3.第二步计算协方差矩阵：协方差矩阵表示数据各特征之间的线性关系，通过计算协方差矩阵可以揭示数据中各个特征之间的相关性。4.第三步计算特征值和特征向量：通过特征值分解得到协方差矩阵的特征值和特征向量；特征向量表示新的坐标轴方向，特征值则反映该方向上数据的方差大小。5.第四步选择主成分：根据特征值的大小选择前k个主成分，这些主成分保留了数据中最多的方差信息。6.第五步投影数据：将原始数据投影到选定的主成分上，得到降维后的数据。7.强调五步顺序不可颠倒，尤其第一步标准化必须先做，否则尺度大的特征会主导协方差矩阵。8.讲三个价值：当特征过多时使用主成分分析降维可以减少计算成本，同时保留数据的主要信息；可以将高维数据映射到二维或三维空间，帮助可视化数据结构；在数据压缩、冗余消除与数据噪声去除方面也有作用。9.讲局限：主成分分析