资源简介 (共15张PPT)第五章 数据处理和可视化表达5.3 数据的分析(第2课时)一 、本章情况学习目标(1)了解大数据的概念,理解大数据的特征,知道大数据对日常生活的影响,明晰传统数据与大数据的区别;(2)了解数据采集的方法和工具,掌握数据的存储方式,理解对数据进行保护的意义;(3)知道数据预处理及分析,体验多种数据分析技术;(4)学会选用恰当的工具处理数据,学会总结和归纳数据分析的方法和步骤;(5)了解数据可视化两种呈现类型,学会选用恰当的工具可视化表达数据。5.1认识大数据5.2数据的采集5.3数据的分析5.4数据的可视化表达教学内容二、项目指导交流分享依据自己小组项目实施的实际情况,对于项目实施过程的进度、亮点、困难予以分享,交流。1. 项目完成基本情况。2. 根据选定的主题进行数据预处理的情况汇报。三、学习新知思考数据分析中的预处理过程,主要处理哪些问题?数据分析除了关联分析,主要还有哪几类?聚类分析的作用是什么?数据分类的作用是什么?数据预处理关联分析聚类分析数据分类数据分析三、学习新知5.3.3 聚类分析聚类分析是一种探索性的分析,在分类的过程中,人们不必事先给出一个分类的标准,聚类分析能够从样本数据出发,自动进行分类。聚类分析的算法有很多,其中K-平均(K-Means)算法是一种经典的自下而上的聚类分析方法。K-平均算法的基本思想就是在空间N个点中,初始选择K个点作为中心聚类点,然后将N个点分别与K个点计算距离,选择自己最近的点作为自己的中心点,再不断更新中心聚集点,以达到“物以类聚,人以群分”的效果。三、学习新知5.3.3 聚类分析聚类分析的基本算法如下:(1)从数据点集合中随机选择K个点作为初始的聚集中心,每个中心点代表着每个聚集中心的平均值。(2)对其余的每个数据点,依次判断其与K个中心点的距离,距离最近的表明它属于这项聚类。(3)重新计算新的聚簇集合的平均值即中心点。整个过程不断迭代计算,直到达到预先设定的迭代次数或中心点不再频繁波动。三、学习新知探究活动程序5-5直接调用了Python语言的sklearn机器学习模块,其对数据进行聚类分析的关键程序段如右所示。程序运行所需的数据存储在company.csv文件中,包括客户年龄、平均消费金额、平均消费周期三个数据。分别对三个数据中的两个数据进行聚类分析。fname="company.csv"dataf=pda.read_csv(fname,encoding="gbk")x=dataf.iloc[:,:].valuesfrom sklearn.cluster import KMeanskms=KMeans(n_clusters=3)y=kms.fit_predict(x)print(y)三、学习新知5.3.4 数据分类数据分类通常的做法是,基于样本数据先训练构建分类函数或者分类模型(也称为分类器),该分类器具有将待分类数据项映射到某一特点类别的功能。数据分类和回归分析都可用于预测,预测是指从基于样本数据记录,根据分类准则自动给出对未知数据的推广描述,从而实现对未知数据进行预测。贝叶斯分类技术在众多分类技术中占有重要地位,也属于统计学分类的范畴,是一种非规则的分类方法。贝叶斯分类技术通过对已分类的样本子集进行训练,学习归纳出分类函数(对离散变量的预测称作分类,对连续变量的分类称为回归),利用训练得到的分类器实现对未分类数据的分类。三、学习新知5.3.4 数据分类如表所示是某网络商城客户购物行为特征的一组统计资料。已知某客户购物行为特征A为数值182.8,特征B为数值58.9,特征C为数值26,请问这人是重要客户还是普通客户?三、学习新知5.3.4 数据分类根据表5-4的资料,得到一个已分类的样本子集:X=[[182.8,81.6,30],[180.4,86.1,29],[170.0,77.1,30],[180.4,74.8,28],[152.4,45.3,24],[167.6,68.0,26], [165.2,58.9,25],[175.2,68.0,27]]和Y=[1,1,1,1,0,0,0,0](1代表重要客户,0代表普通客户)。打开程序5-6文件,把已分类的样本子集(X,Y)和测试样本[182.8,58.9,26]输入到程序5-6中。尝试输入不同的样本,判断结果是否还是[0]import numpy as npX=np.array([[182.8,81.6,30],[180.4,86.1,29],[170.0,77.1,30],[180.4,74.8,28],[152.4,45.3,24],[167.6,68.0,26],[165.2,58.9,25],[175.2,68.0,27]])Y=np.array([1,1,1,1,0,0,0,0])from sklearn.naive_bayes import GaussianNBclf=GaussianNB().fit(X,Y)print(clf.predict([[182.8,58.9,26]]))三、学习新知5.3.4 数据分类拓展:贝叶斯与概率分类贝叶斯(Thomas Bayes, 1701—1761),英国数学家,发明了概率统计学原理,将归纳推理法用于概率论基础理论,创立了贝叶斯统计理论,对统计决策函数、统计推断、统计的估算等做出了贡献。运用贝叶斯定理对事物进行分类,是一种非常有效的思维方法,是贝叶斯决策理论方法的基本思想。四、项目实施各小组根据项目选题及拟订的项目方案,结合本节所学知识,完成相应的数据分析。1. 采用适当的方法完成相应项目选题的数据分析工作。2. 总结和归纳数据分析的方法和步骤。五、课程评价(1)下列关于聚类分析的说法,错误的是( )。A可以从数据点集合中随机选择K个点作为初始的聚集中心B.对其他的每个数据点,以此判断其与K个中心点的距离,距离最近的表明它属于这项聚类C.聚类分析,必须先设定分类的标准,否则无法准确分类D、重新计算新的聚簇集合的平均值既中心点(2) K-平均算法属于( )分析方法。A. 聚类B. 关联C. 分类D. 回归CA六、相关附件附件:company.csv程序5-5聚类分析.ipynb程序5-6分类分析.ipynb\视频资料\5-9 聚类分析程序介绍.mp4\视频资料\ 5-10 数据分类程序介绍.mp4谢谢观看! 展开更多...... 收起↑ 资源预览