Python机器学习编程与实战教学教案07餐饮企业综合分析.docx

第7章餐饮企业综合分析教案课程名称：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：12学时一、材料清单(1) (Python机器学习编程与实战教材。(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、教学目标与基本要求.教学目标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相关性不强的特征、通过特征构建构造RFM特征和客户流失特征，并 重点介绍K-Means聚类算法在客户价值分析中的应用和决策树算法在客户流失预测中的应 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的背景知识，分析步骤和流程。(2)掌握使用折线图分析趋势。(3)掌握特征选择和特征构造的方法。(4)掌握使用K-Means算法构建聚类模型的方法。(5)掌握使用决策树算法构建分类模型的方法。(6)掌握进行客户价值分析的方法。(7)掌握评价分类模型效果的方法。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)什么样的客户是餐饮企业的高价值客户？(2)餐饮企业能提供什么样的数据？(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) RFM模型对应的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）除了 RFM模型外还有什么用于客户分类的模型?（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）餐饮企业综合分析的背景知识，分析步骤和流程。（2）特征选择与特征构造。（3） K-Means算法的使用方法。（4）决策树算法的使用方法。（5）客户价值分析的方法。（6）分类模型的评价方法。2 .重点（1）餐饮企业综合分析的步骤和流程。（2）特征选择与特征构造。（3） K-Means算法的使用方法。（4）决策树算法的使用方法。（5）客户价值分析的方法。3 .难点K-Means算法的使用方法。（2）决策树算法的使用方法。（3）客户价值分析的方法。五、教学过程设计1 .理论教学过程（1） 了解餐饮企业综合分析的背景。（2）熟悉餐饮企业综合分析的流程。（3）掌握分析变化趋势的方法。（4）掌握筛选相关性不强特征的方法。（5）掌握构建RFM特征的方法。（6）掌握构建客户流失特征的方法。（7）掌握K-Means算法的使用方法。（8）掌握决策树算法的使用方法。（9）掌握客户价值分析的方法。（10）掌握评价分类模型的方法。2 .实验教学过程（1）绘制折线图分析变化趋势。（2）筛选掉原始数据中部分相关性不强的特征。（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）评价分类预测模型的效果。六、教材与参考资料1 .教材林耀进，张良均.Python机器学习编程与实战M.北京：人民邮电出版社.2020.2 .参考资料1张健，张良均.Python编程基础M.北京：人民邮电出版社.2018.谭立云， 2黄红梅，张良均.Python数据分析与应用M.北京：人民邮电出版社.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，周东平，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.