《数据挖掘与分析》教案

xx财经大学教案2016 〜2017学年度第一学期分院（部）xxx学院教研室课程名称 《数据挖掘与分析》任教专业年级、班级2xxxx教师姓名 x职 称x使用教材x等.Python数据分析与挖掘实战.机械工业出版社.2016.xx财经大学教务处制授课内容（教学章节或单元）：授课时数 3第一章数据挖掘基础教学目的及要求：1、掌握大数据基本概念及相关应用；2、了解数据挖掘基本任务及建模过程；3、掌握数据挖掘建模工具。教学基本内容（重点、难点）：第一节大数据1、主要内容大数据基本概念及应用。2、基本概念和知识点大数据的概念。3、问题与应用（能力要求）理解大数据的概念。第二节从餐饮服务到数据挖掘1、主要内容数据挖掘的概念。2、基本概念和知识点数据挖掘的概念。3、问题与应用（能力要求）了解数据挖掘的概念。第三节数据挖掘的基本任务1、主要内容数据挖掘的基本任务。2、基本概念和知识点数据挖掘的基本任务。3、问题与应用（能力要求）了解数据挖掘的基本任务。第四节数据挖掘建模过程1、主要内容定义挖掘目标、数据采样、数据探索、数据预处理、数据建模以及模型评价。2、基本概念和知识点定义挖掘目标、数据采样、数据探索、数据预处理、数据建模以及模型评价。3、问题与应用（能力要求）了解定义挖掘目标、数据采样、数据探索、数据预处理、数据建模以及模型评价。

第五节常用的数据挖掘建模工具1、主要内容常用的数据挖掘建模工具。2、基本概念和知识点常用的数据挖掘建模工具。3、问题与应用（能力要求）了解常用的数据挖掘建模工具。重点：数据挖掘的基础知识；难点：数据挖掘建模过程。教学方法：J讲授法 □讨论法 ^自学指导法 □其他教学手段：J多媒体口实物 口模型 口挂图 口音像 □其他板书设计：见多媒体课件讨论、思考题、作业：作业：1、简述大数据与数据挖掘的概念。2、探讨大数据在生活中的应用。参考资料（含参考书目、文献等）：1,张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016.2.MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.3.WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课内容（教学章节或单兀）：第二章HTML语言授课时数3教学目的及要求：1、掌握HTML的基础知识；2、掌握HTML语言的基本语句；教学基本内容（重点、难点）：第一节Dreamwaver安装过程1、主要内容Dreamwaver安装过程。2、基本概念和知识点Dreamwaver安装过程。3、问题与应用（能力要求）掌握Dreamwaver安装过程。第二节HTML语言1、主要内容HTML语言。2、基本概念和知识点学习HTML语言。3、问题与应用（能力要求）掌握HTML语言。重点：Python数据分析工具难点：Python数据分析工具教学方法：J讲授法 J讨论法 口自学指导法 □其他教学手段：J多媒体口实物^模型口挂图口音像□其他板书设计：见多媒体课件讨论、思考题、作业:.学会使用HTML语言。.要求学生使用Dreamwaver,实现基本命令的操作。参考资料（含参考书目、文献等）：.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016..MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015..WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.

授课内容（教学章节或单兀）：第三章基于Python的数据挖掘授课时数3教学目的及要求：1、学会安装Python;2、掌握Python的基础知识；3、理解和掌握函数基础知识；4、理解和掌握条件语句和循环语句；5、理解和掌握字符串操作、文件操作；6、理解和掌握全局变量与导入模块变量；7、理解和掌握多线程编程。教学基本内容（重点、难点）：第一节Python安装过程1、主要内容Python安装过程。2、基本概念和知识点Python安装过程。3、问题与应用（能力要求）掌握Python安装过程。第二节Python基础知识1、主要内容Python语言的优势、Python常用注释、算法概念、面向对象等简单介绍。2、基本概念和知识点Python语言的优势、Python常用注释、算法概念、面向对象等简单介绍。3、问题与应用（能力要求）理解Python语言的优势、Python常用注释、算法概念、面向对象等简单介绍。第三节函数基础知识1、主要内容Python基本输入输出函数的简单用法、系统提供内部函数、第三方提供函数库、用户自定义函数。2、基本概念和知识点Python基本输入输出函数的简单用法、系统提供内部函数、第三方提供函数库、用户自定义函数。3、问题与应用（能力要求）理解和掌握Python基本输入输出函数的简单用法、系统提供内部函数、第三方提供函数库、用户自定义函数。第四节条件语句和循环语句1、主要内容条件语句、循环语句。2、基本概念和知识点条件语句、循环语句。3、问题与应用（能力要求）了解条件语句、循环语句。第五节字符串操作和文件操作1、主要内容字符串操作、文件操作。2、基本概念和知识点字符串操作、文件操作。3、问题与应用（能力要求）了解字符串操作、文件操作。第六节全局变量与导入模块变量1、主要内容全局变量与导入模块变量。2、基本概念和知识点全局变量与导入模块变量。3、问题与应用（能力要求）全局变量与导入模块变量。第七节多线程编程1、主要内容多线程编程，该章节主要了解为主。2、基本概念和知识点多线程编程。3、问题与应用（能力要求）了解多线程编程。重点：Python安装、Python基础知识难点：函数基础知识 教学方法：J讲授法 J讨论法 口自学指导法 □其他教学手段：J多媒体口实物口模型口挂图口音像□其他板书设计：见多媒体课件讨论、思考题、作业:讨论、思考题:讨论、思考题:.讨论Python的使用方法。.简述题Python的优势。作业:.完成Python的安装；.实验完成Python的基本语句。参考资料（含参考书目、文献等）：.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016..MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015..WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课时数 授课时数 3第四章Kmeans聚类数据分析及Anaconda介绍教学目的及要求：1、掌握Anaconda软件的安装过程及简单配置;2、掌握聚类及Kmeans算法；3、用Kmeans实现运动员位置聚集。教学基本内容（重点、难点）：第一节Anaconda软件安装及使用步骤1、主要内容Anaconda软件安装及使用步骤。2、基本概念和知识点Anaconda软件安装及使用步骤。3、问题与应用（能力要求）掌握Anaconda软件安装及使用步骤。第二节聚类及Kmeans介绍1、主要内容聚类原理、Kmeans算法。2、基本概念和知识点

聚类原理、Kmeans算法。3、问题与应用（能力要求）理解聚类原理、Kmeans算法。第三节案例分析：Kmeans聚类运动员数据1、主要内容数据集、基本命令。2、基本概念和知识点数据集、基本命令。3、问题与应用（能力要求）理解数据集、基本命令。重点：Anaconda软件安装及使用步骤；聚类及Kmeans介绍。难点：基本命令的运行。教学方法：J讲授法 □讨论法 ^自学指导法 □其他教学手段：J多媒体口实物 口模型 口挂图 口音像 □其他板书设计：见多媒体课件讨论、思考题、作业：讨论、思考题：.简述聚类原理？.简述Kmeans算法？作业：1.实验一一实现Kmeans聚类运动员数据参考资料（含参考书目、文献等）：1.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016.2.MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.3.WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课内容（教学章节或单兀）：第五章决策树DTC数据分析授课时数3教学目的及要求：1、掌握分类及决策树算法；2、理解鸢尾花数据集；3、掌握决策树实现鸢尾数据集分析过程。教学基本内容（重点、难点）：第一节分类及决策树1、主要内容分类、决策树。2、基本概念和知识点分类、决策树。3、问题与应用（能力要求）掌握分类、决策树。第二节鸢尾花卉Iris数据集1、主要内容鸢尾花卉Iris数据集。2、基本概念和知识点鸢尾花卉Iris数据集。3、问题与应用（能力要求）理解鸢尾花卉Iris数据集。第三节决策树实现鸢尾数据集分析1、主要内容决策树实现鸢尾数据集分析。2、基本概念和知识点决策树实现鸢尾数据集分析。3、问题与应用（能力要求）理解决策树实现鸢尾数据集分析。重点：分类及决策树；鸢尾花卉Iris数据集；决策树实现鸢尾数据集分析难点：决策树实现鸢尾数据集分析教学方法：J讲授法□讨论法^自学指导法口其他教学手段：J多媒体口实物口模型□挂图 口音像口其他板书设计：见多媒体课件讨论、思考题、作业:讨论、思考题:

2.什么是决策树?作业:1.实验—一决策树实现鸢尾数据集分析；参考资料（含参考书目、文献等）：.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016..MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015..WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课时数 授课时数 3第六章线性回归教学目的及要求:1、掌握机器学习常用数据集；2、理解线性回归；3、掌握LinearRegression使用方法;4、掌握使用线性回归判断糖尿病。教学基本内容（重点、难点）：第一节数据集1、主要内容diabetesdataset数据集、sklearn常见数据集、UCI数据集。2、基本概念和知识点diabetesdataset数据集、sklearn常见数据集、UCI数据集。3、问题与应用（能力要求）掌握diabetesdataset数据集、sklearn常见数据集、UCI数据集。第二节线性回归1、主要内容机器学习、单变量现行回归、一元回归模型。2、基本概念和知识点机器学习、单变量现行回归、一元回归模型。3、问题与应用（能力要求）理解机器学习、单变量现行回归、一元回归模型。第三节LinearRegression使用方法1、主要内容LinearRegression使用方法。2、基本概念和知识点LinearRegression使用方法。3、问题与应用（能力要求）理解LinearRegression使用方法。第四节线性回归判断糖尿病1、主要内容Diabetes数据集、基本命令。2、基本概念和知识点Diabetes数据集、基本命令。3、问题与应用（能力要求）理解Diabetes数据集、基本命令。重点：数据集；线性回归；LinearRegression使用方法难点：数据集教学方法：J讲授法J讨论法自学指导法口其他教学手段：J多媒体口实物口模型□挂图 口音像口其他板书设计：见多媒体课件讨论、思考题、作业:.简述线性回归？.简述LinearRegression使用方法？作业：1.实验—一实现线性回归判断糖尿病；参考资料（含参考书目、文献等）：.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016..MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015..WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.

授课内容（教学章节或单兀）：第七章关联规则授课时数3教学目的及要求：1、掌握常用关联规则算法；2、理解和掌握Apriori算法。教学基本内容（重点、难点）：第一节基本概念1、主要内容关联规则。2、基本概念和知识点关联规则。3、问题与应用（能力要求）理解和掌握关联规则。第二节常用关联规则算法1、主要内容Apriori、FPTree、Eclat算法、灰色关联法。2、基本概念和知识点Apriori、FPTree、Eclat算法、灰色关联法。3、问题与应用（能力要求）理解Apriori、FPTree、Eclat算法、灰色关联法。第三节Apriori算法1、主要内容关联规则、频繁项集、Apriori算法。2、基本概念和知识点关联规则、频繁项集、Apriori算法。3、问题与应用（能力要求）掌握关联规则、频繁项集、Apriori算法。重点：常用关联规则算法、Apriori算法；难点：Apriori算法。教学方法：J讲授法 J讨论法 口自学指导法 □其他

教学手段：J多媒体口实物 ^模型 口挂图 口音像 □其他板书设计：见多媒体课件讨论、思考题、作业：.简述关联规则基本概念。.学习Apriori算法。参考资料（含参考书目、文献等）：1.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016.2.MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.3.WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课内容（教学章节或单兀）：第八章时序模式授课时数3教学目的及要求：1、理解时间序列算法、时间序列的预处理；2、理解和掌握平稳时间序列分析、非平稳时间序列分析。教学基本内容（重点、难点）：第一节时间序列算法1、主要内容AR模型、乂4模型、ARMA模型、ARIMA模型。2、基本概念和知识点AR模型、乂4模型、ARMA模型、ARIMA模型。3、问题与应用（能力要求）了解AR模型、乂4模型、ARMA模型、ARIMA模型。第二节时间序列的预处理1、主要内容平稳性检验、纯随机性检验。2、基本概念和知识点平稳性检验、纯随机性检验。3、问题与应用（能力要求）理解平稳性检验、纯随机性检验。第三节平稳时间序列分析1、主要内容AR模型、乂4模型、ARMA模型、平稳时间序列建模。2、基本概念和知识点AR模型、乂4模型、ARMA模型、平稳时间序列建模。3、问题与应用（能力要求）了解AR模型、乂4模型、ARMA模型、平稳时间序列建模。第四节非平稳时间序列分析1、主要内容差分运算、ARIMA模型。2、基本概念和知识点差分运算、ARIMA模型。3、问题与应用（能力要求）理解差分运算、ARIMA模型。重点：AR模型；乂4模型；ARMA模型；ARIMA模型。难点：差分运算；ARIMA模型；平稳时间序列建模。教学方法：J讲授法 J讨论法 口自学指导法 □其他教学手段：J多媒体口实物口模型口挂图口音像□其他板书设计：见多媒体课件讨论、思考题、作业：讨论、思考题：.讨论AR模型、乂4模型、ARMA模型、ARIMA模型的使用。.简述平稳时间序列建模过程。作业：1.实验；参考资料（含参考书目、文献等）：.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016..MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.

3.WesleyJ.Chun.「丫由0门核心编程（第二版）.人民邮电出版社，2008.授课时数 授课时数 3第九章基于正则表达式的Web爬虫教学目的及要求:1、理解正则表达式以及常用的网页爬取正则表达式;2、理解和掌握Python爬虫常用函数。教学基本内容（重点、难点）：第一节正则表达式1、主要内容正则表达式、Python正则表达式。2、基本概念和知识点re模块、Match、Pattern。3、问题与应用（能力要求）了解re模块、Match、Pattern。第二节常用的网页爬取正则表达式1、主要内容网页爬取正则表达式。2、基本概念和知识点网页爬取正则表达式。3、问题与应用（能力要求）理解网页爬取正则表达式。第三节Python爬虫常用函数1、主要内容Urlparse模块、Urllib模块、Urllib2模块。2、基本概念和知识点Urlparse模块、Urllib模块、Urllib2模块。3、问题与应用（能力要求）了解Urlparse模块、Urllib模块、Urllib2模块。第四节案例分析：使用正则表达式爬取百科知识

1、主要内容在线百科介绍、基本代码。2、基本概念和知识点在线百科、基本代码。3、问题与应用（能力要求）理解在线百科、基本代码。重点：正则表达式；Python爬虫常用函数；难点：Python爬虫常用函数。教学方法：J讲授法 J讨论法 自学指导法 □其他教学手段：J多媒体口实物 口模型 口挂图 口音像 □其他板书设计：见多媒体课件讨论、思考题、作业：讨论、思考题：1.简述爬虫思想？作业：1.实验一一使用正则表达式爬取新浪博客文章。参考资料（含参考书目、文献等）：1.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016.2.MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.3.WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课内容（教学章节或单兀）：第十章离群点检测授课时数3教学目的及要求：1、了解常用离群点检测方法；2、掌握基于模型的离群点检测方法；3、掌握基于聚类的离群点检测方法。教学基本内容（重点、难点）：第一节离群点检测1、主要内容离群点分类、离群点检测方法。2、基本概念和知识点离群点分类、离群点检测方法。3、问题与应用（能力要求）理解离群点分类、离群点检测方法。第二节基于模型的离群点检测方法1、主要内容一元正态分布中的离群点检测、混合模型的离群点检测。2、基本概念和知识点一元正态分布中的离群点检测、混合模型的离群点检测。3、问题与应用（能力要求）掌握一元正态分布中的离群点检测、混合模型的离群点检测。第三节基于聚类的离群点检测方法1、主要内容丢弃远离其他簇的小簇、基于模型的聚类。2、基本概念和知识点丢弃远离其他簇的小簇、基于模型的聚类。3、问题与应用（能力要求）掌握丢弃远离其他簇的小簇、基于模型的聚类。重点：离群点检测方法；一元正态分布中的离群点检测；混合模型的离群点检测；丢弃远离其他簇的小簇；基于模型的聚类。难点：一元正态分布中的离群点检测；混合模型的离群点检测；丢弃远离其他簇的小簇；基于模型的聚类。教学方法：J讲授法□讨论法^自学指导法口其他教学手段：J多媒体口实物口模型□挂图 口音像口其他板书设计：见多媒体课件讨论、思考题、作业:.简述基于模型的离群点检测方法?.简述基于聚类的离群点检测方法?

参考资料（含参考书目、文献等）：1.张良均，王路，谭立云，苏剑林等.Python数据分析与挖掘实战.机械工业出版社，2016.2.MagnusLieHetland.Python基础教程（第2版•修订版）.人民邮电出版社，2015.3.WesleyJ.Chun.「丫由。门核心编程（第二版）.人民邮电出版社，2008.授课内容（教学章节或单兀）：第十一章基于Selenium的自动登录爬虫授课时数3教学目的及要求：1、了解Python自动登录技术；2、掌握基于Selenium的自动登录爬虫。教学基本内容（重点、难点）：第一节Python自动登录技术1、主要内容Selenium操控鼠标键盘、Python设置登录请求。2、基本概念和知识点Selenium操控鼠标键盘、Python设置登录请求。3、问题与应用（能力要求）理解Selenium操控鼠标键盘、Python设置登录请求。第二节新浪微博1、主要内容新浪微博介绍、爬取新浪微博数据过程。2、基本概念和知识点新浪微博介绍、爬取新浪微博数据过程。3、问题与应用（能力要求）掌握爬取新浪微博数据过程。第三节案例分析：Selenium自动登录163邮箱1、主要内容Selenium自动登录163邮箱代码详解。2、基本概念和知识点Selenium自动登录163邮箱代码详解。3、问题与应用（能力要求）掌握Selenium自动登录163邮箱代码。重点：Selenium操控鼠标键盘；Python设置登录请求；Selenium自动登录163邮箱。难点：Selenium自动登录163邮箱。教学手段：J多媒体口实物口模型口挂图口音像口其他板书设计：见多媒体课件□讨论法^自学指导法口其他教学方法：J讲授法讨论、思考题、作业:1.实验一一Selenium自动登录爬取新浪微博知识。