Python数据分析基础与案例实战 教案 第6章 构建模型 .pdfVIP

Python数据分析基础与案例实战教案第6章构建模型--第1页

第6章构建模型

教案

课程名称：Python数据分析基础与案例实战

课程类别：必修

适用专业：大数据技术类相关专业

总学时：64学时（其中理论36学时，实验28学时）

总学分：4.0学分

本章学时：10学时

一、材料清单

（1）《Python数据分析基础与案例实战》教材。

（2）配套PPT。

（3）引导性提问。

（4）探究性问题。

（5）拓展性问题。

二、教学目标与基本要求

1.教学目标

根据数据挖掘技术的基本任务，即分类与回归、聚类、时序模式3个方面，介绍了对应

的数据挖掘建模方法及实现过程。分类与回归主要介绍回归分析、朴素贝叶斯、决策树和神

经网络；聚类主要介绍K-Means聚类、密度聚类和层次聚类；时序模式从序列的平稳性和

非平稳型出发，对平稳时间序列主要介绍AR模型、MA模型、ARMA模型，对差分平稳序

列建立ARIMA模型。

2.基本要求

Python数据分析基础与案例实战教案第6章构建模型--第1页

Python数据分析基础与案例实战教案第6章构建模型--第2页

（1）熟悉常用的分类与回归算法的原理、评价方法以及实现方法。

（2）熟悉常用的聚类算法的原理、评价方法以及实现方法。

（3）熟悉常用的时间序列模型算法的原理和实现方法。

三、问题

1.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问

题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）常见的模型算法使用场景有哪些？

（2）分类算法有哪些？

2.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的

基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课

文中又是重要的问题加以设问。

（1）回归模型有几种，它们各自适用于怎样的条件？

（2）聚类和分类的区别是什么？

3.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提

出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问

题。

（1）不同的算法，可解释性不同，能否挑选一种可解释性强的算法对算法结果进行解

释？

（2）聚类算法的评价指标还有哪些？

Python数据分析基础与案例实战教案第6章构建模型--第2页

Python数据分析基础与案例实战教案第6章构建模型--第3页

四、主要知识点、重点与难点

1.主要知识点

（1）常用的分类与回归算法。

（2）回归分析。

（3）朴素贝叶斯。

（4）决策树。

（5）人工神经网络。

（6）评价分类与回归算法。

（7）常用的聚类算法。