Python机器学习编程教案Python编程习题通信运营商客户流失分析与预测教案.docx

《Python机器学习编程教案Python编程习题通信运营商客户流失分析与预测教案.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编程习题通信运营商客户流失分析与预测教案.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8章通信运营商客户流失分析与预测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.教学目的结合通信运营商提供地数据，介绍通信运营商客户流失分析与预测地背景,分析步骤与流 程。介绍对原始数据进行去重与降维地方法。介绍原始数据中缺失值与异常值地检测与处理。 介绍独热编码处理数据地方法。介

2、绍合并处理后地数据与划分数据集地方法。重点介绍使用 MLP算法构建用户流失预测模型。最后介绍预测模型地评价方法。1 .基本要求了解通信运营商客户流失分析与预测地背景，分析步骤与流程。(2)掌握数据去重地方法。(3)掌握数据降维地方法。(4)掌握缺失值与异常值地检测与处理方法。(5)掌握独热编码地使用方法。(6)掌握数据合并地方法。(7)掌握数据集划分地方法。(8)掌握MLP算法地使用方法。(9)掌握分类模型地评价方法。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)为什么

3、通信运营商地客户会发生流失？(2)将要流失地客户会有什么行为？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)数据中地缺失值是否都需要进行处理？(2)对数据进行降维有什么影响？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)采取哪些措施能够挽留即将流失地用户？(2)除了 MLP选用其它分类算法是否会有更好地效

4、果？四、主要知识点，重点与难点1.主要知识点(1)通信运营商客户流失分析与预测地背景，分析步骤与流程。(2)数据去重地方法。(3)数据降维地方法。(4)缺失值与异常值地检测与处理方法。(5)独热编码地使用方法。(6)数据合并地方法。(7)数据集划分地方法。(8) MLP算法地使用方法。(9)分类模型地评价方法。2 .重点(1)数据去重地方法。(2)数据降维地方法。(3)缺失值与异常值地检测与处理方法。(4)独热编码地使用方法。(5) MLP算法地使用方法。(6)分类模型地评价方法。3 .难点(1)独热编码地使用方法。（2） MLP算法地使用方法。五、教学设计1.理论教学过程（1）介绍通信运营商

5、客户流失分析与预测地背景。（2）熟悉分析步骤与流程。（3）掌握原始数据地去重方法。（4）掌握原始数据地降维方法。（5）掌握原始数据中缺失值与异常值地处理方法。（6）掌握合并处理后数据地方法。（7）掌握独立编码地使用方法。（8）掌握数据集划分地方法。（9）掌握使用MLP构建分类预测模型地方法。（10）掌握评价分类模型效果地方法。2.实验教学过程（1）对原始数据进行去重。（2）对数据进行降维。（3）检测数据中地缺失值与异常值并进行处理。（4）合并处理后地数据。（5）对数据进行独热编码。（6）将数据划分为训练集与测试集。（7）使用MLP构建分类模型。（8）对模型效果进行评价。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,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.