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

《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》由会员分享，可在线阅读，更多相关《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（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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

2、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

3、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

4、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

5、。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。

6、（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.