Python數(shù)據(jù)分析與應用(第3版)(微課版)項目7 線上書籍網(wǎng)站數(shù)據(jù)綜合分析-使用scikit-learn構建模型 教案_第1頁
Python數(shù)據(jù)分析與應用(第3版)(微課版)項目7 線上書籍網(wǎng)站數(shù)據(jù)綜合分析-使用scikit-learn構建模型 教案_第2頁
Python數(shù)據(jù)分析與應用(第3版)(微課版)項目7 線上書籍網(wǎng)站數(shù)據(jù)綜合分析-使用scikit-learn構建模型 教案_第3頁
Python數(shù)據(jù)分析與應用(第3版)(微課版)項目7 線上書籍網(wǎng)站數(shù)據(jù)綜合分析-使用scikit-learn構建模型 教案_第4頁
Python數(shù)據(jù)分析與應用(第3版)(微課版)項目7 線上書籍網(wǎng)站數(shù)據(jù)綜合分析-使用scikit-learn構建模型 教案_第5頁
已閱讀5頁,還剩1頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

項目7線上書籍網(wǎng)站數(shù)據(jù)綜合分析——使用scikit-learn構建模型教案課程名稱:Python數(shù)據(jù)分析與應用課程類別:必修適用專業(yè):大數(shù)據(jù)技術類相關專業(yè)總學時:64學時(其中理論28學時,實驗36學時)總學分:4.0學分本章學時:9學時材料清單《Python數(shù)據(jù)分析與應用(第3版)(微課版)》教材。配套PPT。數(shù)據(jù)。代碼。引導性提問。探究性問題。拓展性問題。教學目標與基本要求教學目標重點介紹聚類、分類和回歸三類sklearn數(shù)據(jù)分析技術的基本任務對應的數(shù)據(jù)分析建模方法及實現(xiàn)過程。同時,每一類又有對應的多種評估方法,能夠評價所構建模型的性能優(yōu)劣。通過這一章的學習,基本能夠掌握常用的模型構建與評估方法,可在以后的數(shù)據(jù)分析過程中采用適當?shù)乃惴ú此榻B的步驟實現(xiàn)綜合應用?;疽笳莆誷klearn轉換器、評估器的使用。掌握sklearn數(shù)據(jù)標準化與數(shù)據(jù)劃分。掌握sklearn中聚類、分類、回歸模型的構建。掌握sklearn中聚類、分類、回歸模型的評價。問題引導性提問引導性提問需要教師根據(jù)教材內容和學生實際水平,提出問題,啟發(fā)引導學生去解決問題,提問,從而達到理解、掌握知識,發(fā)展各種能力和提高思想覺悟的目的。常見的模型算法使用場景有哪些?不同的場景之間有什么區(qū)別?scikit-learn名字的由來?探究性問題探究性問題需要教師深入鉆研教材的基礎上精心設計,提問的角度或者在引導性提問的基礎上,從重點、難點問題切入,進行插入式提問。或者是對引導式提問中尚未涉及但在課文中又是重要的問題加以設問。聚類和分類的區(qū)別是什么?回歸和分類的區(qū)別又是什么?拓展性問題拓展性問題需要教師深刻理解教材的意義,學生的學習動態(tài)后,根據(jù)學生學習層次,提出切實可行的關乎實際的可操作問題。亦可以提供拓展資料供學生研習探討,完成拓展性問題。不同的算法,可解釋性不同,能否挑選一種可解釋性強的算法對算法結果進行解釋?除了PCA降維以外,可以使用RandomForest模型進行特征的篩選,該如何做?主要知識點、重點與難點主要知識點sklearn轉換器、評估器的使用。sklearn數(shù)據(jù)標準化與數(shù)據(jù)劃分。sklearn中聚類、分類、回歸模型的構建。sklearn中聚類、分類、回歸模型的評價。重點sklearn轉換器的使用方法。sklearn估計器的使用方法。聚類模型的構建與評價。分類模型的構建與評價?;貧w模型的構建與評價。難點sklearn轉換器的使用。sklearn估計器的使用。分類模型構建?;貧w模型構建。教學過程設計理論教學過程加載datasets模塊中的數(shù)據(jù)集。將數(shù)據(jù)集劃分為訓練集和測試集。使用sklearn轉換器進行數(shù)據(jù)預處理與降維。使用sklearn估計器構建聚類模型。評價聚類模型。使用sklearn估計器構建分類模型。評價分類模型。使用sklearn估計器構建回歸模型。評價回歸模型。實驗教學過程加載datasets模塊自帶數(shù)據(jù)集。劃分數(shù)據(jù)集。使用sklearn轉換器進行數(shù)據(jù)預處理與降維。加載線上網(wǎng)站書籍數(shù)據(jù)。對聚類特征進行預處理。構建與評價聚類模型。構建線上網(wǎng)站書籍數(shù)據(jù)聚類模型。評估線上網(wǎng)站書籍數(shù)據(jù)聚類模型。構建與評價分類模型。對分類特征進行預處理。構建線上網(wǎng)站書籍分類模型。評估線上網(wǎng)站書籍分類模型。構建與評價回歸模型。對于回歸特征進行預處理。構建書籍評分回歸模型。評估書籍評分回歸模型。教材與參考資料教材曾文權,張良均.Python數(shù)據(jù)分析與應用(第3版)(微課版)[M].北京:人民郵電出版社.2025.參考資料[1] 張良均,譚立云.Python數(shù)據(jù)分析與挖掘實戰(zhàn)(第2版)[M].北京:機械工業(yè)出版社.2019.[2] 張健,張良均.Pytho

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論