《機器學習》教學大綱課程名稱：機器學習課程類別：必修適用專業(yè)：大數(shù)據(jù)技術(shù)類相關(guān)專業(yè)總學時：48學時（其中理論36學時，實驗12學時）總學分：3學分課程的性質(zhì)大數(shù)據(jù)時代已經(jīng)到來，在廣告營銷、文化管理、商業(yè)經(jīng)濟等領(lǐng)域中基于數(shù)據(jù)和分析去發(fā)現(xiàn)問題并做出科學、客觀的決策越來越重要。本課程主要面向非計算機類專業(yè)學生，介紹如何利用大數(shù)據(jù)分析方法來實現(xiàn)常見數(shù)據(jù)分析任務，側(cè)重于方法的應用和問題的解決，注重案例結(jié)合和實際操作的學習，強調(diào)學生掌握具體數(shù)據(jù)分析方法并可以自主開展各種數(shù)據(jù)分析活動。為了推動我國大數(shù)據(jù)，云計算，人工智能行業(yè)的發(fā)展，面向社會數(shù)據(jù)分析人才需求，開設(shè)大數(shù)據(jù)分析與應用課程。課程任務是通過本課程的學習，使學生學會使用Python進行數(shù)據(jù)質(zhì)量校驗、可視化繪圖、數(shù)據(jù)處理、特征工程、構(gòu)建有/無監(jiān)督和智能推薦模型，并詳細拆解學習回歸、分類、聚類和智能推薦4個企業(yè)案例和一個綜合案例，將理論與實踐相結(jié)合，為將來從事機器學習研究、工作奠定基礎(chǔ)，同時提高學生的自我學習能力和創(chuàng)新能力。課程學時分配序號教學內(nèi)容理論學時實驗學時其它1第1章機器學習概述202第2章數(shù)據(jù)準備223第3章特征工程224第4章有監(jiān)督學習845第5章無監(jiān)督學習626第6章智能推薦427第7章市財政收入分析248第8章基于非侵入式電力負荷監(jiān)測與分解的電力分析249第9章航空公司客戶價值分析2410第10章廣電大數(shù)據(jù)營銷推薦2411第11章基于TipDM數(shù)據(jù)挖掘建模平臺實現(xiàn)航空公司客戶價值22總計3430教學內(nèi)容及學時安排理論教學序號章節(jié)名稱主要內(nèi)容教學目標學時1機器學習概述掌握機器學習的概念掌握機器學習通用流程了解機器學習的應用場景了解機器學習的常用工具掌握機器學習的概念、流程與應用場景了解機器學習的常用工具22數(shù)據(jù)準備數(shù)據(jù)質(zhì)量較檢數(shù)據(jù)分析趨勢探查數(shù)據(jù)清洗數(shù)據(jù)合并掌握數(shù)據(jù)質(zhì)量校檢掌握數(shù)據(jù)分析趨勢探查掌握數(shù)據(jù)清洗與合并23特征工程特征變換特征選擇掌握特征變換掌握特征選擇24有監(jiān)督學習了解有監(jiān)督學習概念性能度量線性模型K近鄰分類決策樹支向量機神經(jīng)網(wǎng)絡集成學習掌握性能度量掌握線性模型掌握K鄰近分類掌握決策樹掌握神經(jīng)網(wǎng)絡85無監(jiān)督學習了解無監(jiān)督學習概念PCA降維核化線性降維原型聚類密度聚類層次聚類掌握降維掌握聚類66智能推薦了解智能推薦的概念性能度量關(guān)聯(lián)規(guī)則協(xié)同過濾掌握性能度量掌握關(guān)聯(lián)規(guī)則掌握協(xié)同過濾47市財政收入分析分析財政收入預測背景了解財政收入預測的方法熟悉財政收入預測的步驟與流程了解相關(guān)性分析分析計算結(jié)果了解Lasso回歸方法分析Lasso回歸結(jié)果了解灰色預測算法了解SVR算法分析預測結(jié)果熟悉財政收入預測的步驟和流程掌握相關(guān)性分析方法與應用掌握使用Lasso模型選取特征的方法掌握灰色預測的原理與應用掌握支持向量回歸算法的基本原理與應用28基于非侵入式電力負荷監(jiān)測與分解的電力分析分析電力分項計量的背景了解設(shè)備分類預測的方法熟悉設(shè)備分類預測的步驟與流程處理缺失值合并數(shù)據(jù)與構(gòu)建特征了解K近鄰算法分析預測結(jié)果熟悉設(shè)備分類預測的步驟和流程掌握處理缺失值的方法掌握合并數(shù)據(jù)與構(gòu)建特征的方法掌握K近鄰的原理與應用29航空公司客戶價值分析分析航空公司現(xiàn)狀認識客戶價值分析熟悉航空客戶價值分析的步驟與流程處理缺失值與異常值構(gòu)建航空客戶價值分析關(guān)鍵特征標準化LRFMC5個特征了解K-Means聚類算法分析聚類結(jié)果熟悉航空客戶價值分析的步驟和流程了解RFM模型的基本原理掌握K-Means算法的基本原理與使用方法比較不同類別客戶的客戶價值，制定相應的營銷策略210廣電大數(shù)據(jù)營銷推薦目標分析數(shù)據(jù)準備特征工程模型構(gòu)建性能度量結(jié)果分析掌握目標分析掌握模型構(gòu)建211基于TipDM數(shù)據(jù)挖掘建模平臺實現(xiàn)航空公司客戶價值平臺簡介案例應用掌握平臺簡介掌握案例分析2學時合計34實驗教學序號實驗項目名稱實驗要求學時1數(shù)據(jù)準備掌握缺失值與異常值的分析與處理掌握數(shù)據(jù)分布與趨勢探查掌握數(shù)據(jù)合并22特征工程掌握特征變換掌握特征選擇23有監(jiān)督學習掌握性能度量掌握線性模型掌握K近鄰分類掌握決策樹掌握神經(jīng)網(wǎng)絡44無監(jiān)督學習掌握PCA降維掌握核化線性降維掌握原型聚類掌握密度聚類掌握層次聚類25智能推薦構(gòu)建關(guān)聯(lián)規(guī)則模型構(gòu)建智能推薦模型評價智能推薦模型26市財政收入分析分析財政收入數(shù)據(jù)特征的相關(guān)性使用Lasso回歸選取財政收入預測的關(guān)鍵特征使用灰色預測和SVR構(gòu)建財政收入預測模型評價SVR模型47基于非侵入式電力負荷監(jiān)測與分解的電力分析處理數(shù)據(jù)缺失值合并設(shè)備數(shù)據(jù)構(gòu)建周波數(shù)據(jù)特征構(gòu)建K近鄰分類預測模型評價K近鄰分類預測模型48航空公司客戶價值分析處理數(shù)據(jù)缺失值與異常值構(gòu)建航空客戶價值分析的關(guān)鍵特征標準化LRFMC5個特征構(gòu)建K-Means聚類模型評價K-Means聚類模型49廣電大數(shù)據(jù)營銷推薦掌握廣電大數(shù)據(jù)營銷推薦目標分析掌握廣電大數(shù)據(jù)營銷推薦模型構(gòu)建410基于TipDM數(shù)據(jù)挖掘建模平臺實現(xiàn)航空公司客戶價值掌握TipDM平臺簡介掌握TipDM平臺應用案例分析2學時合計30考核方式突出學生解決實際問題的能力，加強過程性考核。課程考核的成績構(gòu)成=平時作業(yè)（10%）+課堂參與（20%）+期末考核（70%），期末考試建議采用開卷形式，試題應包括基本概念、繪圖、分組聚合、數(shù)據(jù)合并、數(shù)據(jù)清洗、特征工程、模型構(gòu)建等部分，題型可采用判斷題、選擇、簡答、應用題等方式。教材與參考資料教材何偉，張良均．機器學習原理與實戰(zhàn)[M]．北京：人民郵電出版社．2021．參考資料[1] 張良均．Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)[M]．北京：機械工業(yè)出版社．2015．[2] 張良均．Py