Python数据分析与实战（微课版）-教案 第7章 竞赛网站用户行为分析

第章竞赛网站用户行为分析7教案课程名称《Python数据分析与实战》课程类别必修适用专业大数据技术类相关专业总学时64学时其中理论28学时，实验36学时总学分

4.0学分本章学时8学时

一、材料清单1《Python数据分析与实战微课版》教材2配套PPT3引导性提问4探究性问题5拓展性问题

二、教学目标与基本要求.教学目标1根据竞赛网用户访问的原始数据，在数据中构建用户标签以及对网页进行分类其次结合实际业务情况构建了聚类特征，最后使用K-Means聚类算法建立聚类分群模型并对聚类得到的结果分析各个群体的特征，从而结合网站的实际营运情况提出相对应的运营建议.基本要求21熟悉竞赛网站用户行为分析的步骤和流程2掌握竞赛网站用户数据的预处理方法3掌握使用K-Means聚类算法的方法

三、问题引导性提问.1引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的1为什么要对竞赛网站的用户进行分群呢？2数据分析是什么？3数据分析的主要流程是哪些？探究性问题.2探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问1什么是聚类算法？2为什么要进行数据清洗？3如何进行特征的构建？4K-Means聚类算法基本原理是怎么样的？.拓展性问题3拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题亦可以提供拓展资料供学生研习探讨，完成拓展性问题1还有其他的预处理方法吗？42除了K-Means聚类算法还能举出其他的聚类算法吗？53聚类算法与分类算法的区别是什么？

四、主要知识点、重点与难点主要知识点

1.1访问数据的特征值转换2竞赛网站用户的识别3异常访问数据的数据清洗4竞赛网站网页的分类5竞赛网站用户的特征构造6K-Means聚类算法原理7使用K-Means聚类算法对竞赛网站用户进行分群8K-Means聚类模型算法的结果分析重点

2.1竞赛网站用户异常访问的数据清洗2竞赛网站用户的特征构造33K-Means聚类算法原理44使用K-Means聚类算法对竞赛网站用户进行分群难点

3.1访问数据的特征值转换2异常访问数据的数据清洗3使用K-Means聚类算法对竞赛网站用户进行分群

五、教学过程设计理论教学过程

1.1了解竞赛网站背景

（2）认识用户行为分析

（3）熟悉竞赛网站用户行为分析的步骤与流程

（4）了解预处理竞赛网站用户访问数据的操作方法

（5）了解K-Means聚类算法.实验教学过程2

（1）连接数据库，读取竞赛网站数据

（2）数据预处理的特征值转换

（3）数据预处理的用户识别

（4）数据预处理的数据清洗

（5）数据预处理的网页分类

（6）数据预处理的构造特征

（7）使用K-Means聚类算法进行用户分群

（8）K-Means聚类算法的模型应用

六、教材与参考资料教材

1.赵男男，张良均.Python数据分析与实战（微课版）[M].北京人民邮电出版社.

2024..参考资料2

[1]黄红梅，张良均.Python数据分析与应用[M].北京人民邮电出版社.

2018.

[2]张良均，谭立云.Python数据分析与挖掘实战（第2版）[M].北京机械工业出版社.

2019.

[3]张健，张良均.Python编程基础[M].北京人民邮电出版社.

2018.

[4]曾文权，张良均.Python数据分析与应用（第2版）（微课版）[M].北京人民邮电出版社.

2022.。