5.3數(shù)據(jù)的分析教學(xué)課件

粵教版必修一5.3數(shù)據(jù)的分析第五章第三節(jié)如果旅游服務(wù)平臺(tái)希望通過(guò)了解用戶的旅游喜好和旅游習(xí)慣，來(lái)增加平臺(tái)的訂單量。哪些信息？平臺(tái)了解用戶喜好和習(xí)慣，預(yù)測(cè)用戶購(gòu)買行為。診斷過(guò)去，預(yù)測(cè)未來(lái)！數(shù)據(jù)清洗數(shù)據(jù)分析前，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理——數(shù)據(jù)清洗，發(fā)現(xiàn)缺失數(shù)據(jù)、重復(fù)數(shù)據(jù)、異常數(shù)據(jù)等?；顒?dòng)一：數(shù)據(jù)清洗任務(wù)1：對(duì)數(shù)據(jù)進(jìn)行清洗，刪除缺失值、重復(fù)行和無(wú)效的異常數(shù)據(jù)。運(yùn)行“數(shù)據(jù)清洗.py”對(duì)“travel.csv”數(shù)據(jù)表進(jìn)行處理。讀取處理保存活動(dòng)一：數(shù)據(jù)清洗任務(wù)2：使用python對(duì)“出行工具”進(jìn)行統(tǒng)計(jì)，并繪制統(tǒng)計(jì)圖。運(yùn)行“特征探索.py”對(duì)“travel_new.csv”中的“出行工具”進(jìn)行統(tǒng)計(jì)。1--自駕游2--高鐵3--汽車4--普通火車5--飛機(jī)6--其他活動(dòng)一：數(shù)據(jù)清洗思考：分析得到的這些數(shù)據(jù)對(duì)你的出行規(guī)劃有什么指導(dǎo)意義？關(guān)聯(lián)分析

聚類分析

數(shù)據(jù)分類關(guān)聯(lián)分析關(guān)聯(lián)分析——對(duì)大量數(shù)據(jù)進(jìn)行分析，

企圖發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性。關(guān)聯(lián)分析訂單編號(hào)商品1商品2商品3商品4商品5商品61啤酒面包2牛奶蘋果薯片3蘋果香蕉薯片4啤酒牛奶面包香蕉5蘋果香蕉牛奶面包6蘋果薯片面包7啤酒

蘋果香蕉面包牛奶奶酪8薯片牛奶奶酪面包9香蕉奶酪薯片10牛奶薯片啤酒香蕉支持度越高，說(shuō)明購(gòu)買這個(gè)組合的顧客越多。它們可能適合“捆綁銷售”。

(牛奶-面包)出現(xiàn)的次數(shù)總的記錄數(shù)關(guān)聯(lián)分析訂單編號(hào)商品1商品2商品3商品4商品5商品61啤酒面包2牛奶蘋果薯片3蘋果香蕉薯片4啤酒牛奶面包香蕉5蘋果香蕉牛奶面包6蘋果薯片面包7啤酒

蘋果香蕉面包牛奶奶酪8薯片牛奶奶酪面包9香蕉奶酪薯片10牛奶薯片啤酒香蕉置信度越大表明了，顧客購(gòu)買了牛奶，再購(gòu)買面包的可能性就越大。缺點(diǎn)：如果面包很受歡迎，那么包含了牛奶的訂單中出現(xiàn)面包的幾率自然就高。

(牛奶-面包)出現(xiàn)的次數(shù)（牛奶）出現(xiàn)的次數(shù)訂單編號(hào)商品1商品2商品3商品4商品5商品61啤酒面包2牛奶蘋果薯片3蘋果香蕉薯片4啤酒牛奶面包香蕉5蘋果香蕉牛奶面包6蘋果薯片面包7啤酒

蘋果香蕉面包牛奶奶酪8薯片牛奶奶酪面包9香蕉奶酪薯片10牛奶薯片啤酒香蕉

(牛奶-面包)的置信度（面包）的支持度關(guān)聯(lián)分析若提升度>1，顧客購(gòu)買了牛奶，有較大概率會(huì)購(gòu)買面包；若提升度=1，顧客購(gòu)買牛奶與購(gòu)買面包之間無(wú)關(guān)聯(lián)性；若提升度<1，顧客購(gòu)買了牛奶，不太可能購(gòu)買面包。在含牛奶的訂單中面包出現(xiàn)的概率面包單獨(dú)出現(xiàn)的概率活動(dòng)二：關(guān)聯(lián)分析運(yùn)行“關(guān)聯(lián)分析.py”程序，體驗(yàn)使用python程序?qū)Α皁rder.xls”中的數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析。Apriori算法是第一個(gè)關(guān)聯(lián)規(guī)則挖掘算法。讀取數(shù)據(jù)預(yù)處理關(guān)聯(lián)分析活動(dòng)二：關(guān)聯(lián)分析思考：如果你是超市老板，根據(jù)數(shù)據(jù)分析的結(jié)果，你會(huì)采取什么銷售策略？活動(dòng)二：關(guān)聯(lián)分析商業(yè)領(lǐng)域社會(huì)民生文娛體育氣象關(guān)聯(lián)分析交通事故成因分析……影視演員組合球員最優(yōu)組合……購(gòu)物籃分析穿衣搭配推薦……金融行業(yè)銀行客戶交叉銷售分析銀行營(yíng)銷方案推薦……各領(lǐng)域的應(yīng)用聚類分析通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行分析，根據(jù)數(shù)據(jù)特征，將數(shù)據(jù)對(duì)象分組。聚類的目標(biāo)是，組內(nèi)相似，組間差異?！拔镆灶惥邸辟?gòu)買次數(shù)購(gòu)買金額聚類分析——K平均算法32475681聚類分析—K平均算法（以k=2為例，將數(shù)據(jù)分成兩類）32475681step1:隨機(jī)選取2個(gè)點(diǎn)作為質(zhì)心。聚類分析——K平均算法32475681step2:計(jì)算其他點(diǎn)到質(zhì)心的距離，根據(jù)距離劃分為2個(gè)簇。聚類分析——K平均算法32475681step3:分別計(jì)算2個(gè)簇樣本的平均值作為新的質(zhì)心。聚類分析——K平均算法32475681step4:重復(fù)步驟2、3，直至聚類完成?；顒?dòng)三：聚類分析運(yùn)行“聚類分析.py”程序，體驗(yàn)使用python程序?qū)δ沉闶凵痰觐櫩偷南M(fèi)情況(“customer_data.csv”)進(jìn)行聚類分析。活動(dòng)三：聚類分析思考：根據(jù)聚類分析形成的可視化圖表，你能否提出一些提高銷售額的建議？數(shù)據(jù)分類我們可以使用數(shù)據(jù)分類中的“貝葉斯定理”，幫助人們對(duì)數(shù)據(jù)進(jìn)行分類，作出決策。課后請(qǐng)小組內(nèi)：1、學(xué)習(xí)微課——“貝葉斯概率與數(shù)據(jù)分類”，了解貝葉斯分類在各領(lǐng)域中的應(yīng)用。2、運(yùn)行調(diào)試程序——“數(shù)據(jù)分類.py”，了解垃圾郵件和