#顯示X坐標(biāo)標(biāo)簽plt.ylabel('paynum')
#顯示Y坐標(biāo)標(biāo)簽pyl.plot(price,comt,"o")pyl.show()
任務(wù)一：體驗(yàn)特征探索
#求最值
pricemax=da2[2].max()
pricemin=da2[2].min()
paynummax=da2[3].max()
paynummin=da2[3].min()
#極差
pricerg=pricemax-pricemin
paynumrg=paynummax-paynummin
任務(wù)一：體驗(yàn)特征探索
#極差pricerg=pricemax-priceminpaynumrg=paynummax-paynummin#組距pricedst=pricerg/13paynumdst=paynumrg/13
任務(wù)一：體驗(yàn)特征探索
#繪制價(jià)格直方圖
#npy.arrange(最小,最大,組距)
pricesty=npy.arange(pricemin,pricemax+1,pricedst)
plt.xlabel('price')
#顯示X坐標(biāo)標(biāo)簽
plt.ylabel('number')
#顯示Y坐標(biāo)標(biāo)簽
pyl.hist(da2[2],pricesty)
pyl.show()
任務(wù)二：體驗(yàn)關(guān)聯(lián)分析
要求：以小組為單位，通過網(wǎng)上查找資料、學(xué)習(xí)和交流。
關(guān)聯(lián)分析的定義
分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。
任務(wù)二：體驗(yàn)關(guān)聯(lián)分析
要求：以小組為單位，通過網(wǎng)上查找資料、學(xué)習(xí)和交流。
小程序體驗(yàn)：
運(yùn)行關(guān)聯(lián)分析.py”體驗(yàn)關(guān)聯(lián)分析。
修改
關(guān)聯(lián)分析.py”代碼，對采集到的店鋪銷售訂單數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，尋找商品之間的關(guān)聯(lián)性，觀察關(guān)聯(lián)分析結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐，
任務(wù)三：體驗(yàn)聚類分析
以小組為單位，通過學(xué)習(xí)和交流，填寫下表。
import
numpy
as
np
import
matplotlib.pyplot
as
plt
from
pylab
import
x
=
np.arange(-5.0,
5.0,
0.02)
y
=
np.sin(x)
plt.plot(x,
y)
plt.show()
任務(wù)三：體驗(yàn)聚類分析
以小組為單位，通過學(xué)習(xí)和交流，填寫下表。
聚類分析的定義
是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
任務(wù)三：體驗(yàn)聚類分析
體驗(yàn)小程序：
修改
聚類分析.py”代碼，對采集到的商品銷售數(shù)據(jù)“data_sample.csv”進(jìn)行聚類分析，觀察數(shù)據(jù)分析結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐。
from
sklearn.cluster
import
KMeans
#導(dǎo)入商品樣本數(shù)據(jù)
fname="data_sample.csv"
dataf=pda.read_csv(fname,encoding="gbk")
x=dataf.as_matrix()
#聚類分析
kms=KMeans(n_clusters=3)
y=kms.fit_predict(x)
print(y)
任務(wù)四：數(shù)據(jù)分類
以小組為單位，通過查找資料、學(xué)習(xí)和交流，填寫下表。
數(shù)據(jù)分類
是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器。然后進(jìn)行預(yù)測。
任務(wù)四：數(shù)據(jù)分類
以小組為單位，通過查找資料、學(xué)習(xí)和交流。
運(yùn)行數(shù)據(jù)分類.py”，體驗(yàn)數(shù)據(jù)分類。
通過修改或優(yōu)化數(shù)據(jù)分類py”代碼，對特征值A(chǔ)為128.8,特征值B為158,特征值C為4.7的商品進(jìn)行分類，觀察該商品分類結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐，
課堂練習(xí)
1、數(shù)據(jù)分析最基本的方法(
)
A.特征探索
B.數(shù)據(jù)分類
C.聚類分析
D.
關(guān)聯(lián)分析
B
課堂練習(xí)
2、下列有關(guān)數(shù)據(jù)分析說法錯(cuò)誤的是（
）
A.特征探索的主要任務(wù)是發(fā)現(xiàn)大量數(shù)據(jù)間的關(guān)聯(lián)性。
B.關(guān)聯(lián)分析的主要任務(wù)是發(fā)現(xiàn)大量數(shù)據(jù)間的關(guān)聯(lián)性
c.聚類分析無需事先給出分類標(biāo)準(zhǔn)
D.數(shù)據(jù)分類是數(shù)據(jù)分析處理中最基本的方法。
A
課堂總結(jié)
下課！
完成測試題，下節(jié)課前由小組長批閱，課代表匯總。
作業(yè)布置5.3數(shù)據(jù)的分析
1、選擇題（每題1分）
1、數(shù)據(jù)分析的基本方法包括（
）
A特征探索、關(guān)聯(lián)分析、聚類分析、數(shù)據(jù)分類
B
特征探索、聚類分析、數(shù)據(jù)分類
C.特征探索、數(shù)據(jù)分類
D.關(guān)聯(lián)分析、聚類分析、數(shù)據(jù)分類
2、數(shù)據(jù)特征探索的主要任務(wù)是(
)
A.對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。
B.
分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。C
.是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
D.是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器,然后進(jìn)行預(yù)測。
3、數(shù)據(jù)聚類分析的主要任務(wù)是(
)
A.對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。
B.
分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。C
.是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
D.是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器,然后進(jìn)行預(yù)測。
4、下列有關(guān)數(shù)據(jù)關(guān)聯(lián)分析的說法正確的是(
)
A.對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。
B.
分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。C
.是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
D.是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器,然后進(jìn)行預(yù)測。
5、數(shù)據(jù)數(shù)據(jù)分類說法正確的是(
)
A.對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。
B.
分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。C
.是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
D.是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器,然后進(jìn)行預(yù)測。
6、貝葉斯分類技術(shù)屬于（
）
A特征探索
B
聚類分析
C.數(shù)據(jù)分類
D.關(guān)聯(lián)分析
2、論述題
1、總結(jié)歸納數(shù)據(jù)分析的常用方法。
2、結(jié)合現(xiàn)實(shí)生活中的體驗(yàn)，談一下數(shù)據(jù)分析的意義。
試題答案
一、選擇題
1
2
3
4
5
6
A
A
C
B
D
D
二、論述題
1、A.特征探索：對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。
B.
關(guān)聯(lián)分析：分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。
C
.聚類分析：是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。
D.數(shù)據(jù)分類：是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器,然后進(jìn)行預(yù)測。
2、無標(biāo)準(zhǔn)答案第五章
數(shù)據(jù)處理與可視化表達(dá)
5.3
數(shù)據(jù)的分析
課題
數(shù)據(jù)的分析
課時(shí)
1課時(shí)
教學(xué)目標(biāo)
能夠體驗(yàn)多種數(shù)據(jù)分析技術(shù)；能夠掌握選用恰當(dāng)?shù)墓ぞ咛幚頂?shù)據(jù)；能夠掌握總結(jié)和歸納數(shù)據(jù)分析的方法和步驟；
重點(diǎn)與難點(diǎn)
重點(diǎn)：了解數(shù)據(jù)預(yù)處理及分析；體驗(yàn)多種數(shù)據(jù)分析技術(shù)。難點(diǎn)：體驗(yàn)多種數(shù)據(jù)分析技術(shù)。
輔助手段
多媒體，機(jī)房廣播演示系統(tǒng)
教法學(xué)法
講授法、任務(wù)驅(qū)動(dòng)法，小組合作法，自主探究法。
課前準(zhǔn)備
課代表同學(xué)負(fù)責(zé)班級分組（4-6人一組）。
教學(xué)設(shè)計(jì)
創(chuàng)設(shè)情境激趣導(dǎo)入
首先通過多媒體呈現(xiàn)問題：同學(xué)們，通過前面兩節(jié)課的學(xué)習(xí)，我們了解了數(shù)據(jù)，知道了數(shù)據(jù)的采集與保護(hù)，那么我們獲取的數(shù)據(jù)可以直接拿過來用嗎？激發(fā)大家的學(xué)習(xí)興趣，進(jìn)而引入本節(jié)課題-------數(shù)據(jù)的分析。
任務(wù)驅(qū)動(dòng)與知識(shí)講授任務(wù)驅(qū)動(dòng)與知識(shí)講授自主探究
任務(wù)一：體驗(yàn)特征探索以小組為單位，閱讀課本104-106頁，通過查找資料、學(xué)習(xí)和交流，填寫下表。特征探索的定義對數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)和處理缺失值，異常數(shù)據(jù)、繪制直方圖，觀察數(shù)據(jù)分布的特征，求最大值、最小值、極差等描述性統(tǒng)計(jì)量。小程序體驗(yàn)：數(shù)據(jù)預(yù)處理.py修改“數(shù)據(jù)預(yù)處理.py”代碼，對采集到的商品銷售數(shù)據(jù)進(jìn)行預(yù)處理，包括發(fā)現(xiàn)和處理缺失值、處理異常數(shù)據(jù)、求最大值、最小值、極差、組距、繪制直方圖，觀察數(shù)據(jù)的分布特征，以小組為單位，通過學(xué)習(xí)、交流，探究(課本112-113頁內(nèi)容)#異常值處理、畫散點(diǎn)圖（橫軸：價(jià)格，縱軸：評論數(shù)）找到異常值
data2=data.T
price=data2.values[2]
comt=data2.values[3]
plt.xlabel('price')
#顯示X坐標(biāo)標(biāo)簽
plt.ylabel('paynum')
#顯示Y坐標(biāo)標(biāo)簽
pyl.plot(price,comt,"o")
pyl.show()#求最值
pricemax=da2[2].max()
pricemin=da2[2].min()
paynummax=da2[3].max()
paynummin=da2[3].min()
#極差
pricerg=pricemax-pricemin
paynumrg=paynummax-paynummin
#組距
pricedst=pricerg/13
paynumdst=paynumrg/13#繪制價(jià)格直方圖
#npy.arrange(最小,最大,組距)
pricesty=npy.arange(pricemin,pricemax+1,pricedst)
plt.xlabel('price')
#顯示X坐標(biāo)標(biāo)簽
plt.ylabel('number')
#顯示Y坐標(biāo)標(biāo)簽
pyl.hist(da2[2],pricesty)
pyl.show()#繪制銷量數(shù)直方圖
paynumsty=npy.arange(paynummin,paynummax+1,paynumdst)
plt.xlabel('paynum')
#顯示X坐標(biāo)標(biāo)簽
plt.ylabel('number')
#顯示Y坐標(biāo)標(biāo)簽
pyl.hist(da2[3],paynumsty)
pyl.show()任務(wù)二：體驗(yàn)關(guān)聯(lián)分析關(guān)聯(lián)分析的定義分析發(fā)現(xiàn)存在于大量數(shù)據(jù)之間的關(guān)聯(lián)性和相關(guān)性，從而描述一個(gè)事物的共同規(guī)律和模式。小程序體驗(yàn)：運(yùn)行關(guān)聯(lián)分析.py”體驗(yàn)關(guān)聯(lián)分析。修改
關(guān)聯(lián)分析.py”代碼，對采集到的店鋪銷售訂單數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，尋找商品之間的關(guān)聯(lián)性，觀察關(guān)聯(lián)分析結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐，任務(wù)三：體驗(yàn)聚類分析以小組為單位，通過學(xué)習(xí)和交流，填寫下表。聚類分析的定義是一種探索性的分析。不必事先給出一個(gè)分類標(biāo)準(zhǔn)，而是讓其自動(dòng)分類。體驗(yàn)小程序：修改
聚類分析.py”代碼，對采集到的商品銷售數(shù)據(jù)“data_sample.csv”進(jìn)行聚類分析，觀察數(shù)據(jù)分析結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐。from
sklearn.cluster
import
KMeans
#導(dǎo)入商品樣本數(shù)據(jù)
fname="data_sample.csv"
dataf=pda.read_csv(fname,encoding="gbk")
x=dataf.as_matrix()
#聚類分析
kms=KMeans(n_clusters=3)
y=kms.fit_predict(x)
print(y)任務(wù)四：數(shù)據(jù)分類數(shù)據(jù)分類是數(shù)據(jù)分析中最基本的方法。先基于樣本數(shù)據(jù)構(gòu)建分類器。然后進(jìn)行預(yù)測。運(yùn)行數(shù)據(jù)分類.py”，體驗(yàn)數(shù)據(jù)分類。通過修改或優(yōu)化數(shù)據(jù)分類py”代碼，對特征值A(chǔ)為128.8,特征值B為158,特征值C為4.7的商品進(jìn)行分類，觀察該商品分類結(jié)果，以小組為單位，通過學(xué)習(xí)、交流，探究和實(shí)踐，
課堂練習(xí)
1、數(shù)據(jù)分析最基本的方法(B
)A特征探索B.
數(shù)據(jù)分類C.聚類分析D.
關(guān)聯(lián)分析2、下列有關(guān)數(shù)據(jù)分析說法錯(cuò)誤的是（A
）A.特征探索的主要任務(wù)是發(fā)現(xiàn)大量數(shù)據(jù)間的關(guān)聯(lián)性。B.關(guān)聯(lián)分析的主要任務(wù)是發(fā)現(xiàn)大量數(shù)據(jù)間的關(guān)聯(lián)性c.
聚類分析無需事先給出分類標(biāo)準(zhǔn)D.數(shù)據(jù)分類是數(shù)據(jù)分析處理中最基本的方法。
課堂總結(jié)
由學(xué)生總結(jié)歸納本節(jié)課所學(xué)知識(shí)，教師進(jìn)行點(diǎn)撥。
板書設(shè)計(jì)
5.3
數(shù)據(jù)的分析一、特征探索二、關(guān)聯(lián)分析三、聚類分析四、數(shù)據(jù)分類
課后作業(yè)
完成測試題，下節(jié)課前由小組長批閱，課代表匯總。

展開更多......

收起↑

資源列表

縮略圖、資源來源于二一教育資源庫

<pre id="tfb94"><li id="tfb94"></li></pre>

<bdo id="tfb94"><rt id="tfb94"></rt></bdo>
  • <menu id="tfb94"><dl id="tfb94"></dl></menu><i id="tfb94"><acronym id="tfb94"><sub id="tfb94"></sub></acronym></i>
     

      2. 
主站蜘蛛池模板：
赣榆县|
宜城市|
滁州市|
株洲市|
原平市|
文山县|
杭州市|
双鸭山市|
利辛县|
静乐县|
昭通市|
临潭县|
石门县|
华安县|
凉山|
石狮市|
寻甸|
东山县|
临桂县|
织金县|
石楼县|
沂源县|
伽师县|
若羌县|
南昌市|
徐州市|
金秀|
临桂县|
盱眙县|
阿克苏市|
纳雍县|
奉贤区|
永胜县|
溧阳市|
阿合奇县|
婺源县|
宁德市|
将乐县|
柘城县|
上犹县|
吴川市|