原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
PAGE
教学进度计划表
（教学日历）
202*
/
202*
学年
第
二
学期
采用教材：
《Python数据挖掘与机器学习》，魏伟一主编，清华大学出版社
参考教材：
《数据挖掘概念与技术》，韩家炜，机械工业出版社
名称
总时数
讲课
实践/实验
上机
习题
课程设计
周学时
计划时数
72
54
18
4
5-
周次
课次
授课内容摘要
时数
目的要求
备注
1
1
第一章数据挖掘与机器学习概述
一、数据挖掘简介
二、数据分析与数据挖掘
三、数据挖掘的任务
四、数据挖掘的数据源
2
理解和掌握数据挖掘与机器学习的基本概念、数据挖掘过程、数据挖掘的主要任务以及数据挖掘使用的主要技术。
2
五、数据挖掘使用的主要技术
六、数据挖掘的主要任务
七、数据挖掘的商用工具
八、利用Python进行数据挖掘
2
了解数据挖掘与机器学习的应用和面临的问题。对数据挖掘和机器学习能够解决的问题和解决问题思路有清晰的认识。熟练应用Jupyternotebook的开发环境。
2
3
第二章Python数据分析基础
一、Python程序概述
二、Python内建的数据结构
2
理解和掌握Python基础语法、内建的数据结构。
4
三、Numpy数值计算基础
2
掌握Numpy数值计算方法，主要包括数组和矩阵运算。
3
5
四、Pandas统计分析基础
2
掌握Pandas中的数据结构、数据查询与编辑、分组汇总及绘图。
6
五、Matplotlib数据可视化基础
六、Scikit-learn基础
2
掌握Matplotlib数据可视化绘图基础，参数设置及常用绘图。
4
7
实验一、数据分析与可视化实训
2
利用Python进行数据分析与可视化
8
第三章认识数据
数据对象与属性类型
数据的基本统计描述
数据可视化
度量数据的相似性
2
理解和掌握数据对象和属性类型，数据的基本统计描述，掌握度量数据相似性和相异性的方法；了解数据可视化的方法。
5
9
第四章数据预处理
一、数据预处理概述，Python数据预处理方法
二、数据清理及Python数据清洗方法
2
了解数据预处理的目的和意义；掌握如何对数据进行清理。
10
三、数据集成及利用Python进行数据合并
四、数据变换与离散化
五、数据归约
2
掌握如何对不同数据源的数据进行合并；掌握如何对数据进行变换，使之适合建模的需要；掌握如何对数据进行消减，使得在消减后的数据集上挖掘更有效；掌握利用Python进行数据预处理的方法。
6
11
实验二、利用Python实现数据预处理(数据合并、数据清洗、数据变换)
2
掌握利用Python实现数据清洗、数据集成和数据变换的方法
12
第五章回归分析
一、回归分析概述
二、一元线性回归分析
2
掌握回归分析原理；掌握一元线性回归分析的原理与方法。
7
13
三、多元线性回归
四、逻辑回归
五、其他回归分析
2
掌握多元线性回归分析；掌握逻辑回归；了解其他回归分析
14
实验三、利用Python
实现典型的回归分析
2
掌握利用Python实现典型的回归分析方法
8
15
第六章关联规则挖掘
一、关联规则分析概述
二、频繁项集挖掘方法
2
了解频繁项集、闭项集和关联规则的概念，理解模式评估方法,掌握Apriori算法
16
三、频繁模式树算法
四、关联规则评估方法
2
掌握FP挖掘算法；利用Python实现关联规则分析；了解其它方法的内容、了解关联规则挖掘的研究动态。
9
17
实验四、Python实现数据的关联规则分析
2
掌握利用Python实现数据的关联规则分析
18
第七章分类
一、分类概述
二、决策树规约及其Python实现
2
了解分类及预测的基本思想、概念和意义；掌握决策树规约算法。
10
19
三、K近邻算法
四、支持向量机算法及其实现
2
掌握KNN算法原理与实现；了解SVM算法及其实现。
20
五、贝叶斯分类
六、模型评估与选择
2
熟悉掌握贝叶斯分类算法；理解评估分类器性能的度量方法。
11
21
七、组合分类
组合方法概述；袋装；提升和Adaboost；随机森林
2
掌握组合分类的原理；掌握随机森林框架及Python实现方法
22
实验五、分类分析综合实验
2
用不同的算法实现给定数据集的分类分析，掌握利用Python实现数据分类分析的常用方法
12
23
第八章聚类
一、聚类概述
二、K-Means算法
K-Means算法实现
2
掌握聚类分析的基本原理；熟练掌握K-Means算法的原理及其实现
24
三、层次聚类方法
层次聚类算法及其Python实现
2
掌握层次聚类算法及其实现
13
25
四、基于密度的聚类方法
DBSCAN算法原理及其实现
2
掌握DBSCAN算法及其实现
26
五、其他聚类方
文档评论（0）