Python數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)第2版-教學(xué)進(jìn)度表

-5-周次課次授課內(nèi)容摘要時(shí)數(shù)目的要求11第一章數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)概述一、數(shù)據(jù)挖掘簡(jiǎn)介二、數(shù)據(jù)分析與數(shù)據(jù)挖掘三、數(shù)據(jù)挖掘的任務(wù)四、數(shù)據(jù)挖掘的數(shù)據(jù)源2理解和掌握數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的基本概念、數(shù)據(jù)挖掘過程、數(shù)據(jù)挖掘的主要任務(wù)以及數(shù)據(jù)挖掘使用的主要技術(shù)。2五、數(shù)據(jù)挖掘使用的主要技術(shù)六、數(shù)據(jù)挖掘的主要任務(wù)七、數(shù)據(jù)挖掘的商用工具八、利用Python進(jìn)行數(shù)據(jù)挖掘2了解數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的應(yīng)用和面臨的問題。對(duì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)能夠解決的問題和解決問題思路有清晰的認(rèn)識(shí)。熟練應(yīng)用Jupyternotebook的開發(fā)環(huán)境。23第二章Python數(shù)據(jù)分析基礎(chǔ)一、Python程序概述二、Python內(nèi)建的數(shù)據(jù)結(jié)構(gòu)2理解和掌握Python基礎(chǔ)語法、內(nèi)建的數(shù)據(jù)結(jié)構(gòu)。4三、Numpy數(shù)值計(jì)算基礎(chǔ)2掌握Numpy數(shù)值計(jì)算方法，主要包括數(shù)組和矩陣運(yùn)算。35四、Pandas統(tǒng)計(jì)分析基礎(chǔ)2掌握Pandas中的數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)查詢與編輯、分組匯總及繪圖。6五、Matplotlib數(shù)據(jù)可視化基礎(chǔ)六、Scikit-learn基礎(chǔ)2掌握Matplotlib數(shù)據(jù)可視化繪圖基礎(chǔ)，參數(shù)設(shè)置及常用繪圖。47實(shí)驗(yàn)一、數(shù)據(jù)分析與可視化實(shí)訓(xùn)2利用Python進(jìn)行數(shù)據(jù)分析與可視化8第三章認(rèn)識(shí)數(shù)據(jù)數(shù)據(jù)對(duì)象與屬性類型數(shù)據(jù)的基本統(tǒng)計(jì)描述數(shù)據(jù)可視化度量數(shù)據(jù)的相似性2理解和掌握數(shù)據(jù)對(duì)象和屬性類型，數(shù)據(jù)的基本統(tǒng)計(jì)描述，掌握度量數(shù)據(jù)相似性和相異性的方法；了解數(shù)據(jù)可視化的方法。59第四章數(shù)據(jù)預(yù)處理一、數(shù)據(jù)預(yù)處理概述，Python數(shù)據(jù)預(yù)處理方法二、數(shù)據(jù)清理及Python數(shù)據(jù)清洗方法2了解數(shù)據(jù)預(yù)處理的目的和意義；掌握如何對(duì)數(shù)據(jù)進(jìn)行清理。10三、數(shù)據(jù)集成及利用Python進(jìn)行數(shù)據(jù)合并四、數(shù)據(jù)變換與離散化五、數(shù)據(jù)歸約2掌握如何對(duì)不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行合并；掌握如何對(duì)數(shù)據(jù)進(jìn)行變換，使之適合建模的需要；掌握如何對(duì)數(shù)據(jù)進(jìn)行消減，使得在消減后的數(shù)據(jù)集上挖掘更有效；掌握利用Python進(jìn)行數(shù)據(jù)預(yù)處理的方法。611實(shí)驗(yàn)二、利用Python實(shí)現(xiàn)數(shù)據(jù)預(yù)處理(數(shù)據(jù)合并、數(shù)據(jù)清洗、數(shù)據(jù)變換)2掌握利用Python實(shí)現(xiàn)數(shù)據(jù)清洗、數(shù)據(jù)集成和數(shù)據(jù)變換的方法12第五章回歸分析一、回歸分析概述二、一元線性回歸分析2掌握回歸分析原理；掌握一元線性回歸分析的原理與方法。713三、多元線性回歸四、邏輯回歸五、其他回歸分析2掌握多元線性回歸分析；掌握邏輯回歸；了解其他回歸分析14實(shí)驗(yàn)三、利用Python實(shí)現(xiàn)典型的回歸分析2掌握利用Python實(shí)現(xiàn)典型的回歸分析方法815第六章關(guān)聯(lián)規(guī)則挖掘一、關(guān)聯(lián)規(guī)則分析概述二、頻繁項(xiàng)集挖掘方法2了解頻繁項(xiàng)集、閉項(xiàng)集和關(guān)聯(lián)規(guī)則的概念，理解模式評(píng)估方法,掌握Apriori算法16三、頻繁模式樹算法四、關(guān)聯(lián)規(guī)則評(píng)估方法2掌握FP挖掘算法；利用Python實(shí)現(xiàn)關(guān)聯(lián)規(guī)則分析；了解其它方法的內(nèi)容、了解關(guān)聯(lián)規(guī)則挖掘的研究動(dòng)態(tài)。917實(shí)驗(yàn)四、Python實(shí)現(xiàn)數(shù)據(jù)的關(guān)聯(lián)規(guī)則分析2掌握利用Python實(shí)現(xiàn)數(shù)據(jù)的關(guān)聯(lián)規(guī)則分析18第七章分類一、分類概述二、決策樹規(guī)約及其Python實(shí)現(xiàn)2了解分類及預(yù)測(cè)的基本思想、概念和意義；掌握決策樹規(guī)約算法。1019三、K近鄰算法四、支持向量機(jī)算法及其實(shí)現(xiàn)2掌握KNN算法原理與實(shí)現(xiàn)；了解SVM算法及其實(shí)現(xiàn)。20五、貝葉斯分類六、模型評(píng)估與選擇2熟悉掌握貝葉斯分類算法；理解評(píng)估分類器性能的度量方法。1121七、組合分類組合方法概述；袋裝；提升和Adaboost；隨機(jī)森林2掌握組合分類的原理；掌握隨機(jī)森林框架及Python實(shí)現(xiàn)方法22實(shí)驗(yàn)五、分類分析綜合實(shí)驗(yàn)2用不同的算法實(shí)現(xiàn)給定數(shù)據(jù)集的分類分析，掌握利用Python實(shí)現(xiàn)數(shù)據(jù)分類分析的常用方法1223第八章聚類一、聚類概述二、K-Means算法K-Means算法實(shí)現(xiàn)2掌握聚類分析的基本原理；熟練掌握K-Means算法的原理及其實(shí)現(xiàn)24三、層次聚類方法層次聚類算法及其Python實(shí)現(xiàn)2掌握層次聚類算法及其實(shí)現(xiàn)1325四、基于密度的聚類方法DBSCAN算法原理及其實(shí)現(xiàn)2掌握DBSCAN算法及其實(shí)現(xiàn)26五、其他聚類方法STING算法、COBWENB算法及模糊聚類算法、EM算法2了解STING算法、COBWENB算法；掌握模糊聚類算法。1427六、聚類評(píng)估估計(jì)聚類趨勢(shì)確定簇?cái)?shù)目的方法測(cè)定聚類質(zhì)量2掌握聚類評(píng)估的基本方法；確定簇?cái)?shù)目的常用方法；聚類質(zhì)量的測(cè)定。28實(shí)驗(yàn)六數(shù)據(jù)的聚類分析綜合實(shí)驗(yàn)2掌握數(shù)據(jù)聚類的典型算法1529第九章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)一、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)神經(jīng)元模型，感知機(jī)與多層網(wǎng)絡(luò)2理解神經(jīng)網(wǎng)絡(luò)基本原理；掌握感知機(jī)的原理。30二、BP神經(jīng)網(wǎng)絡(luò)2理解多層前饋神經(jīng)網(wǎng)絡(luò)的原理；理解后向傳播算法；了解BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用。1631三、深度學(xué)習(xí)基礎(chǔ)深度學(xué)習(xí)的基本原理和常用框架2理解深度學(xué)習(xí)的基本原理；了解深度學(xué)習(xí)常用的幾種模型。32實(shí)驗(yàn)七、BP神經(jīng)網(wǎng)絡(luò)案例實(shí)驗(yàn)2掌握BP神經(jīng)網(wǎng)絡(luò)的Python實(shí)現(xiàn)1733第十章離群點(diǎn)檢測(cè)一、離群點(diǎn)概述離群點(diǎn)的概念、分類二、離群點(diǎn)檢測(cè)方法常用的離群點(diǎn)檢測(cè)方法2掌握離群點(diǎn)的概念與檢測(cè)方法。34三、sklearn中的異常值檢測(cè)方法了解利用Python