《Python機器學習》教學大綱

1、Python機器學習教學大綱一、課程基本情況英文名稱：Python Machine Learning總 學 時：64 理論學時：48 實踐學時：16總學分：3.5課程性質(zhì)：必修考核方式：考試適用對象：本科先修課程：程序設(shè)計基礎(chǔ)、數(shù)據(jù)結(jié)構(gòu)參考文獻：二、課程目標通過本課程的學習，使學生到達如下學習目標：. 了解腳本語言程序設(shè)計的基本知識，掌握程序設(shè)計的基本方法，掌握程序設(shè)計的基 本理論、方法和應(yīng)用。.掌握高級程序設(shè)計國家標準的有關(guān)基本規(guī)定，能夠查閱有關(guān)國家標準和手冊，并嚴 格遵守和執(zhí)行有關(guān)國家標準的各項規(guī)定。.能夠正確而熟練地使用Python進行程序的設(shè)計，能夠識讀和編寫較為復雜的程序, 能夠使用

2、Python解決實際應(yīng)用問題。.掌握機器學習理論，掌握基于Python的數(shù)據(jù)采集、預處理、分析、建模、回歸與分 類以及表現(xiàn)的方法和技術(shù)。.培養(yǎng)計算思維能力、創(chuàng)新能力和發(fā)現(xiàn)問題、分析問題和解決問題的能力。6.具備團隊協(xié)作和良好的溝通能力，為今后從事軟件開發(fā)或科學研究工作奠定基礎(chǔ)。三、教學內(nèi)容、教學方法和手段、學時分配知識單元一：Python概述（建議1學時）教與學要求：了解Python語言的開展過程；理解Python語言的特點；掌握Python語 言開發(fā)環(huán)境和運行環(huán)境配制方法；理解編寫程序的IP0方法。教與學方法：講授、案例演示知識點1： Python語言主要內(nèi)容：Python開展與特點，Pyt

3、hon語言版本更迭。知識點2： Python開發(fā)環(huán)境搭建主要內(nèi)容：Python開發(fā)環(huán)境的配置和使用方法，安裝Python3.x解釋器，使用IDEL編 寫 Hello world 程序。知識單元二：Python語言基礎(chǔ)（建議2學時）教與學要求：掌握解決計算問題的一般方法；掌握Python語言的基本數(shù)據(jù)類型和語法, 包括縮進、變量命名等；掌握程序的分支結(jié)構(gòu)；運用if語句實現(xiàn)分支結(jié)構(gòu)；掌握程序的循 環(huán)結(jié)構(gòu)；運用for語句和while語句實現(xiàn)循環(huán)結(jié)構(gòu)。教與學方法：案例演示、邊講邊練知識點1:變量和簡單數(shù)據(jù)類型主要內(nèi)容：Python語言的基本語法，包括縮進、變量、基本數(shù)據(jù)類型和表達式等（重 點）。知識點

4、2：順序結(jié)構(gòu)主要內(nèi)容：Python語言賦值語句、標準輸入和輸出的使用方法（重點）。知識點3：分支結(jié)構(gòu)主要內(nèi)容：Python語言分支語句的使用方法（重點）。知識點4：循環(huán)結(jié)構(gòu)主要內(nèi)容：Python語言循環(huán)語句的使用方法（重點）。知識單元三：基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)（建議3學時）教與學要求：了解三類基礎(chǔ)組合數(shù)據(jù)類型；理解列表、元組、字典的概念并掌握其使用 方法；運用列表管理采集的信息，構(gòu)建數(shù)據(jù)結(jié)構(gòu)；運用字典處理復雜的數(shù)據(jù)信息。教與學方法：案例演示、邊講邊練知識點1:列表主要內(nèi)容：列表基本操作和相關(guān)函數(shù)的概念和使用（重點）。知識點2：元組主要內(nèi)容：元組基本操作和相關(guān)函數(shù)的概念和使用，列表和元組的轉(zhuǎn)換（重點）。知

5、識點3：字典主要內(nèi)容：字典基本操作和相關(guān)函數(shù)的概念和使用，字典的遍歷方法，字典與列表的嵌 套（重點、難點）。知識單元四：函數(shù)與模塊（建議4學時）教與學要求：掌握函數(shù)的定義和調(diào)用方法；理解函數(shù)的參數(shù)傳遞過程以及變量的作用范 圍；了解特殊函數(shù)；掌握常用函數(shù)的使用；理解模塊和包的定義和使用方法。教與學方法：案例演示、邊講邊練知識點1：函數(shù)基礎(chǔ)主要內(nèi)容：函數(shù)的基本使用，函數(shù)的參數(shù)傳遞，變量的作用范圍（重點）。知識點2：特殊函數(shù)主要內(nèi)容：兩類特殊函數(shù)的定義和使用方法（重點）。知識點3：常用函數(shù)主要內(nèi)容：常用函數(shù)的定義和使用方法。知識單元五：面向?qū)ο蟪绦蛟O(shè)計（建議2學時）教與學要求：掌握類與對象的定義和使

6、用方法；掌握繼承與重寫的實現(xiàn)方法；了解異常 的捕獲與處理方法。教與學方法：案例演示、邊講邊練知識點1:類與對象主要內(nèi)容：類的定義、對象的創(chuàng)立與使用、數(shù)據(jù)成員與成員方法（重點）。知識點2：繼承與重寫主要內(nèi)容：繼承與重寫的實現(xiàn)方法（難點）。知識點3：異常處理主要內(nèi)容：異常類、異常的捕獲與處理方法。知識單元六：NumPy數(shù)據(jù)分析（建議4學時）教與學要求：掌握使用NumPy進行數(shù)據(jù)分析的基本內(nèi)容，掌握文件的基本操作、數(shù)組的 創(chuàng)立和使用，以及數(shù)據(jù)的基本運算方法。教與學方法：案例演示、邊講邊練知識點1:數(shù)據(jù)的獲取主要內(nèi)容：安裝NumPy庫，使用NumPy庫進行數(shù)據(jù)讀寫（重點）。知識點2：數(shù)組的創(chuàng)立與使用主

7、要內(nèi)容：數(shù)組的基本屬性、數(shù)組的選取和操作、數(shù)據(jù)的算數(shù)和比擬運算（重點、難點）。知識單元七：數(shù)據(jù)可視化（建議4學時）教與學要求：了解基于Matplotlib的數(shù)據(jù)可視化基本流程；掌握設(shè)置繪圖屬性、繪制 常用圖表和高級圖表的方法；掌握繪制折線圖、條形圖、散點圖、餅圖的常用函數(shù)及參數(shù)含 義，以及繪制組合圖和三維圖這兩種高級圖形的函數(shù)及參數(shù)含義。教與學方法：案例演示、邊講邊練知識點1：數(shù)據(jù)可視化基本流程主要內(nèi)容：安裝Matplotlib庫，數(shù)據(jù)可視化的基本流程。知識點2：繪制常用圖表主要內(nèi)容：設(shè)置繪圖屬性，繪制折線圖、條形圖、散點圖、餅圖（重點）。知識點3：繪制高級圖表主要內(nèi)容：繪制組合圖、三維圖（難

8、點）。知識單元八：機器學習概述（建議2學時）教與學要求：了解機器學習的定義、開展歷史和應(yīng)用領(lǐng)域；了解不同種類的機器學習算 法以及機器學習的一般流程；掌握Scikit-learn庫的安裝及使用Scikit-learn進行機器學 習的基本方法。教與學方法：案例演示、邊講邊練知識點1:機器學習基本理論主要內(nèi)容：機器學習的定義、開展和應(yīng)用領(lǐng)域，機器學習的基本術(shù)語和一般流程。知識點2： Scikit-learn基本框架主要內(nèi)容：使用ScikitTearn進行數(shù)據(jù)加載、模型訓練和預測、模型評估的方法（重 點、難點）。知識單元九：回歸分析（建議6學時）教與學要求：掌握回歸分析的基本概念；掌握線性回歸、嶺回歸

9、、Lasso回歸與 ElasticNet回歸的實現(xiàn)方法。教與學方法：案例演示、邊講邊練知識點1:多元線性回歸主要內(nèi)容：回歸分析原理，多元線性回歸的實現(xiàn)方法（重點）。知識點2：正那么化回歸主要內(nèi)容：嶺回歸、Lasso回歸與ElasticNet回歸的原理和實現(xiàn)方法（難點）。知識單元十：分類算法（建議8學時）教與學要求：掌握k近鄰算法、樸素貝葉斯算法、決策樹算法、分類與回歸樹算法以及 支持向量機算法的原理以及在Scikit-learn中的實現(xiàn)方法。教與學方法：案例演示、邊講邊練知識點1： k近鄰算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點2：樸素貝葉斯算法主要內(nèi)容：算法原理，算法實現(xiàn)及

10、參數(shù)作用（重點）。知識點3：決策樹算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點4：分類與回歸樹算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點5：支持向量機算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點、難點）。知識單元十一：聚類算法（建議6學時）教與學要求：了解聚類的不同思想；掌握k均值算法、DBSCAN算法及Agglomerative算法的原理、ScikitTearn實現(xiàn)及參數(shù)。教與學方法：案例演示、邊講邊練知識點1： k均值算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點2： DBSCAN算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點3：

11、Agglomerative算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用。知識單元十二：集成學習（建議4學時）教與學要求：了解集成學習理論；掌握隨機森林算法、投票算法和提升算法的原理、Scikit-learn實現(xiàn)方法及參數(shù)作用。教與學方法：案例演示、邊講邊練知識點1:隨機森林算法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用（重點）。知識點2：投票法和提升法主要內(nèi)容：算法原理，算法實現(xiàn)及參數(shù)作用。知識單元十三：算法評估與驗證（建議2學時）教與學要求：掌握數(shù)據(jù)集劃分的方法、距離的度量方法；了解分類問題、回歸問題和聚 類問題的有效性指標和自動參數(shù)調(diào)優(yōu)的方法；掌握上述方法在Scikit-learn中的實現(xiàn)函數(shù)。

12、教與學方法：案例演示、邊講邊練知識點1：數(shù)據(jù)集劃分和距離度量主要內(nèi)容：留出法、留一法、K折交叉驗證法，距離度量方法（重點）。知識點2：有效性指標主要內(nèi)容：分類問題、回歸問題和聚類問題的有效性指標計算方法。知識點3：參數(shù)調(diào)優(yōu)主要內(nèi)容：暴力搜索和隨機搜索參數(shù)調(diào)優(yōu)方法。四、實踐教學環(huán)節(jié)序 號實驗工程 名稱實驗目的主要內(nèi)容實驗 學時實驗 類型開出要求1環(huán)境配置 與語言基 礎(chǔ)掌握Python開發(fā)和運 行環(huán)境的配制方法； 掌握Python語言程序 的基本編寫安裝Python3. x解釋器（或PyCharm、 Anaconda）；編寫程序?qū)z氏度和華氏度 的溫度數(shù)值進行轉(zhuǎn)換2驗 證必 做2組合數(shù)據(jù) 類型和程

13、 序控制結(jié) 構(gòu)能夠使用列表、元組和 字典，能夠使用分支結(jié) 構(gòu)和循環(huán)結(jié)構(gòu)編寫程 序編程通過格式化字符串輸出 和時間延遲實現(xiàn)控制臺風格 文本進度條；輸入身高和體 重，輸出BMI值并根據(jù)BMI指 標分類輸出類別；使用BBP公 式計算圓周率的值2設(shè) 計必 做3函數(shù)與模 塊能夠利用函數(shù)編寫程 序，掌握遞歸函數(shù)使用 方法輸入當前日期的數(shù)字形式， 輸出數(shù)碼管表示的圖形形 式；利用遞歸函數(shù)繪制05 階科赫函數(shù)2設(shè) 計必 做4數(shù)據(jù)分析 與數(shù)據(jù)可 視化能夠使用NumPy庫進行 數(shù)據(jù)分析，能夠使用 matplotlib庫繪制基 本和組合圖表使用NumPy對鶯尾花數(shù)據(jù)集 進行基本的數(shù)據(jù)分析并將結(jié) 果進行可視化2驗 證

14、必 做5回歸分析能通過 Scikit-learn 庫使用不同算法進行 回歸分析使用線性回歸、嶺回歸、Lasso 回歸與ElasticNet回歸對波士 頓房價數(shù)據(jù)集進行分析并對 結(jié)果進行可視化2設(shè) 計必 做6分類算法 (-)能通過 Scikit-learn 庫使用不同算法對數(shù) 據(jù)進行分類使用k近鄰算法、高斯樸素貝 葉斯算法對葡萄酒數(shù)據(jù)集進 行分類，并對分類數(shù)據(jù)進行可 視化2設(shè) 計必 做7分類算法(二)能通過 Scikit-learn 庫使用不同算法對數(shù) 據(jù)進行分類使用決策樹算法、支持向量機 算法對葡萄酒數(shù)據(jù)集進行分 類，并對分類數(shù)據(jù)進行可視化2設(shè) 計必 做8聚類算法能通過 Scikit-learn 庫使用不同算法對數(shù) 據(jù)進行聚類分別生成半月狀和環(huán)狀數(shù)據(jù)， 使用k均值算法、DBSCAN算 法、Agglomerative聚類算法對 不同形狀數(shù)據(jù)集進行聚類，并 對聚類結(jié)果進行可視化比擬2設(shè) 計必 做五、成績構(gòu)成和評價方法總分100分，其中