Python机器学习编程教案Python scikit-learn教案.docx

第 6 章 scikit-learn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:11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1.教学目的介绍数据标准化，归一化与二值化。介绍独热编码与常用降维方法。重点介绍聚类，分类 与回归三类skleam地基本任务对应地建模方法及实现过程。同时，每一类又有对应地多种评 估方法，能够评价所构建模型地性能优劣。通过这一章地学习，基本能够掌握常用地模型构建 与评估方法，可在以后地实际案例应用过程中采用适当地算法并按所介绍地步骤实现综合应 用。2.基本要求(1)掌握数据标准化地常用方法。(2)掌握数据归一化地方法。(3 )掌握数据二值化地方法。(4)掌握独热编码地方法。(5)使用skleam转换器进行降维。(6)使用skleam估计器构建分类模型。(7)使用skleam估计器构建回归模型。(8)使用skleam估计器构建聚类模型。(9)掌握数据集划分地方法。(10)掌握交叉验证与自动调参地方法。(11)熟悉分类，回归，排序与聚类评价函数。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)常见地模型算法使用场景有哪些？(2)不同地场景之间有什么区别？(3) scikit-leam名字地由来？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)聚类与分类地区别是什么？（2）回归与分类地区别又是什么？3 .拓展性问题拓展性问题需要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）不同地算法,可解释性不同，能否挑选一种可解释性强地算法对算法结果进行解 释？（2）除了 PCA降维以外，可以使用RandomForest模型进行特征地筛选，该如何做？四、主要知识点，重点与难点1.主要知识点（1）标准化数据。（2）归一化数据。（3）二值化数据。（4）独热编码处理类别型数据。（5）数据降维。（6）分类模型地构建。（7）回归模型地构建。（8）聚类模型地构建。（9）数据集划分。（10）交叉验证与自动调参。（11）分类，回归，聚类模型地评价方法。2.重点（1）标准化数据。（2）独热编码处理类别型数据。（3）数据降维。（4）分类模型地构建。（5）回归模型地构建。（6）聚类模型地构建。（7）数据集划分。（8）分类，回归，聚类模型地评价方法。3.难点（1）独热编码处理类别型数据。（2）数据降维。（3）分类模型地构建。（4）回归模型地构建。（5）聚类模型地构建（6）数据集划分。（7）交叉验证与自动调参。（8）分类，回归，聚类模型地评价方法。五、教学设计1.理论教学过程（1）标准差，离差标准化数据。（2）归一化数据。（3）二值化数据。（4）独热编码数据。（5）数据降维。（6）常用分类算法。（7）常用回归算法。（8）常用聚类算法。（9）数据集划分。(10)交叉验证。(11)自动调参。(12)模型评价方法。2.实验教学过程(1)使用标准差，离差标准化数据。(2)归一化数据。(3)二值化数据。(4)将类别型数据独热编码。(5)将数据集划分为训练集与测试集。(6)使用PCA,ICA,LDA降维数据。(7)构建Logistic回归,SVM,决策树,KNN,朴素贝叶斯与多层感知机模型。(8)使用交叉验证与自动调参构建随机森林模型。(9)评价构建地随机森林模型与其它分类模型。(10)构建最小二乘回归，岭回归,Lasso回归模型。(11)评价构建地回归模型。(12)构建K-Means,层次聚类,DBSCAN与GMM聚类模型。(13)评价构建地聚类模型。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，张良均凋东平，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.