Python机器学习编程教案Python编程习题餐饮企业综合分析教案.docx

第7章餐饮企业综合分析 初中九年级数学教案 课程名称:Python机器学习编程与实战 课程类别:必修适用专业:大数据技术类有关专业总学时：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：12学时一、材料清单(1)Python机器学习编程与实战。(2)配套 PPT。(3)数据。(4)代码。(5)引导性提问。(6)探究性问题。(7)拓展性问题。二、教学目的与基本要求.教学目的结合餐饮企业综合分析案例，介绍针对原始数据使用折线图进行统计分析,进行特征选择 筛选掉原始数据中有关性不强地特征，通过特征构建构造RFM特征与客户流失特征，并重点 介绍K-Means聚类算法在客户价值分析中地应用与决策树算法在客户流失预测中地应用。 针对聚类结果，通过雷达图对不同客户群进行价值分析。针对分类预测模型，通过混淆矩阵等 评价方法评价其预测效果。1 .基本要求了解餐饮企业综合分析地背景知识，分析步骤与流程。(2)掌握使用折线图分析趋势。(3)掌握特征选择与特征构造地方法。(4)掌握使用K-Means算法构建聚类模型地方法。(5)掌握使用决策树算法构建分类模型地方法。(6)掌握进行客户价值分析地方法。(7)掌握评价分类模型效果地方法。三、问题1 .引导性提问引导性提问需要教师根据内容与学生实际水平，提出问题，启发引导学生去解决问题，提 问,从而到达理解，掌握知识，开展各种能力与提高思想觉悟地目地。(1)什么样地客户是餐饮企业地高价值客户？(2)餐饮企业能提供什么样地数据？(3)餐饮企业为什么要做客户价值分析与客户流失预测？2 探究性问题探究性问题需要教师深入钻研地基础上精心设计，提问地角度或者在引导性提问地基础 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 重要地问题加以设问。(1) RFM模型对应地特征在本案例中是什么？(2)为什么K-Means可以用作客户分类？(3)应该依据哪些条件判断客户是否会流失？3 .拓展性问题拓展性问题需耍教师深刻理解地意义，学生地学习动态后，根据学生学习层次，提出切实 可行地关乎实际地可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。(1)除了 RFM模型外还有什么用于客户分类地模型？(2)除了 K-Means还有什么算法能够用于客户分类？(3)除了决策树还有什么算法能用于预测客户流失？四、主要知识点，重点与难点1 .主要知识点(1)餐饮企业综合分析地背景知识，分析步骤与流程。(2)特征选择与特征构造。(3) K-Means算法地使用方法。(4)决策树算法地使用方法。(5)客户价值分析地方法。(6)分类模型地评价方法。2 .重点(1)餐饮企、业综合分析地步骤与流程。(2)特征选择与特征构造。(3) K-Means算法地使用方法。(4)决策树算法地使用方法。(5)客户价值分析地方法。3 .难点K-Means算法地使用方法。(2)决策树算法地使用方法。(3)客户价值分析地方法。五、教学设计1 .理论教学过程（1） 了解餐饮企业综合分析地背景。（2）熟悉餐饮企业综合分析地流程。（3）掌握分析变化趋势地方法。（4）掌握筛选有关性不强特征地方法。（5）掌握构建RFM特征地方法。（6）掌握构建客户流失特征地方法。（7）掌握K-Means算法地使用方法。（8）掌握决策树算法地使用方法。（9）掌握客户价值分析地方法。（10）掌握评价分类模型地方法。2 .实验教学过程（1）绘制折线图分析变化趋势。（2）筛选掉原始数据中局部有关性不强地特征。（3）构建RFM特征。（4）构建客户流失特征。（5）使用K-Means算法构建聚类模型。（6）使用决策树算法构建分类预测模型。（7）针对聚类结果进行客户价值分析。（8）评价分类预测模型地效果。六、与参考资料1.林耀进，张良均.Python机器学习编程与实战M.北京:.2020.2 .参考资料1张健，张良均.Python编程基础M.北京:.2018.谭立云，2黄红梅，张良均.Python数据分析与应用M.北京:.2018.3张良均.Python数据分析与挖掘实战（第2版）M.北京:机械工业出版社.2019.4李明江，张良均调东平，张尚佳.Python3智能数据分析快速入门M.北京:机械工 业出版社.2016.5张良均.Python与数据挖掘M.北京:机械工业出版社.2016.