Python數據分析與挖掘算法從入門到機器學習PPT教學大綱理論24+實驗24_第1頁
Python數據分析與挖掘算法從入門到機器學習PPT教學大綱理論24+實驗24_第2頁
Python數據分析與挖掘算法從入門到機器學習PPT教學大綱理論24+實驗24_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

Python數據挖掘大綱編號:一、課程信息課程編號：課程名稱：數據挖掘課程類別：專業(yè)方向課學分：2.5學時：48課堂講授：24上機實驗：24適用范圍：計算機類專業(yè)，相關專業(yè)任選課預修課程：Python編程二、課程的性質與任務1．課程性質：選修課2．課程任務：學習基于Python的常用的數據挖掘算法的應用。修完本課程的學生應達到如下要求：(1)能夠掌握利用Python作為數據挖掘工具的基本方法。(2)能熟練地應用數據挖掘的常用經典算法。三、課程內容、基本要求與學時分配章節(jié)內容與基本要求課時安排授課實驗第一章數據分析與挖掘概述第二章爬蟲第三章Scrapy爬蟲框架（選學）理解：數據分析與挖掘的應用領域掌握：數據挖掘的流程、爬蟲的用法22第四章NumPy基本用法掌握：Numpy的基本用法22第五章Pandas基本用法掌握：Pandas的基本用法22第六章Matplotlib基本用法掌握：數據可視化常用方法22第七章線性回歸、嶺回歸、Lasso回歸掌握：線性回歸、嶺回歸與Lasso回歸的原理與應用22第八章Logistic回歸分類模型第九章決策樹與隨機森林掌握：Logistic回歸分類模型的原理與應用；決策樹與隨機森林的原理與應用22第十章KNN模型第十一章樸素貝葉斯模型掌握：KNN模型的原理與應用；樸素貝葉斯模型的原理與應用22第十二章SVM模型第十三章K-means聚類掌握：SVM模型的原理與應用；K-means聚類的原理與應用22第十四章關聯規(guī)則—Apriori算法第十五章數據分析與挖掘項目實戰(zhàn)掌握：關聯規(guī)則—Apriori算法的原理與應用；數據分析與挖掘項目實戰(zhàn)的案例22第十六章主成分分析法（PCA）第十七章集成學習掌握：主成分分析法（PCA）的原理與應用；集成學習的原理與應用22第十八章模型評估第十九章初識深度學習框架Keras掌握：模型評估；深度學習框架Keras的原理與應用22復習、實驗考試22合計2424四、推薦教材及參考書目1．教材：《Python數據分析與挖掘從入門到機器學習》，張坤著，清華大學出版社2.參考書目：《從零開始學Python數據分析與挖掘》，劉順祥著，清華大學出版社五、授課方式1．理論授課采用板書和投影相結合。2．實驗（上機）采用任務驅動、教師集中指導、學生分組練習的方式進行。六、考核辦法1．平時成績：100分折合為總成績的30%100分=考勤20分（至少5次，每次4分）+實驗80分（6次實驗成績，每次10分，一次實驗考試20分）2．期末成績：100分折合為總成績的70%100分=大作業(yè)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論