《Python數據分析與數據挖掘》課程概況課程名稱Python數據分析與數據挖掘學分2總學時：64學時理論：32學時實驗：32學時課程課程類別：■專業必修□專業選修□公共必修□公共選修授課教師***授課專業大數據管理與應用授課班級教學目的和要求本課程的主要目的是使學生掌握數據分析與挖掘的相關理論知識，并能熟練使用Python開展數據分析與數據挖掘的實踐應用。通過本課程的學習，使學生掌握數據分析與挖掘的一般原理和處理方法，培養學生數據分析與數據挖掘的理論分析與應用實踐的綜合能力。教學重點、難點教學重點：熟練掌握Python的基本語法；掌握Python常用數據類型的基本概念和使用；掌握Numpy包的使用；熟練掌握使用Pandas進行數據分析、數據預處理方法；熟練掌握使用Matplotlib進行數據可視化；掌握數據分析與數據挖掘的基本原理與方法；熟練掌握sklearn中典型的分類算法的原理及應用；熟練掌握Sklearn中典型的聚類算法的原理及應用；熟練掌握sklearn中典型的回歸算法的原理及應用；教學難點：熟練掌握Python序列數據類型的基本概念和使用；熟練掌握使用Pandas進行數據分析的方法；掌握數據分析與可視化的基本過程和處理步驟；熟練掌握Matplotlib的繪圖方法；熟練掌握sklearn中典型分類、聚類和回歸算法的原理及應用。教學資源教學大綱、電子教案、教學課件、配套源碼、習題、習題參考答案課程教材《Python數據分析與數據挖掘》王潔、李曉主編，清華大學出版社備注建議采用理論與實踐相結合的教學方式，機房授課

《Python數據分析與數據挖掘》課程教案第1次課2學時授課內容第1章Python概述教學目的與要求本課介紹Python語言的特點，舉例說明Python數據分析與數據挖掘的應用，逐步導入本課程的內容。通過本課的學習，學生應掌握如下知識：了解Python的優點和特性；掌握Python開發環境的安裝與配置；掌握Python第三方包的獲取和安裝方法；掌握編輯和運行Python程序的方法；熟悉Python的運行原理；熟悉Python的編寫規范。重點難點Python第三方包的獲取和安裝方法；編輯和運行Python程序的方法。理論教學安排（1學時）授課內容：一、《Python數據分析與數據挖掘》課程介紹介紹本門課程的學科地位、教學內容和學時安排、考核方式、可以參考的學習資料等。二、教學內容：介紹Python語言的特點；介紹Python語言的應用領域；講授Python開發環境的安裝與配置；講授并演示Anaconda的下載與安裝方法；演示JupyterNotebook和SpyderIDE環境的基本用法；講授并演示Python第三方包的獲取和安裝方法；講授并演示百度AIStudio云計算編程環境；介紹Python的運行原理；講授并演示Python的編寫規范。實驗教學安排（1學時）實驗內容：安裝Anaconda集成環境；掌握JupyterNotebook的基本用法；了解百度AIStudio云計算編程環境；練習Python第三方包的獲取和安裝方法。課后學習任務布置安裝Anaconda集成環境，百度AIStudio云計算編程環境，熟悉JupyterNotebook的基本用法。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第2次課4學時授課內容第2章Python基礎語法（一）教學目的與要求本課學習Python的基礎語法及主要數據結構。通過本課的學習，學生應掌握如下知識：Python中的標識符與變量，Python中數據的輸入與輸出方法、Python中常用的數據結構。重點難點Python數據輸入和輸出方法；Python中的序列類型和映射類型。理論教學安排（2學時）教學內容：一、Python語法了解Python中的標識符；掌握Python中變量的概念和賦值方法；掌握Python中數據輸入和輸出的多種方法。二、Python中的序列類型（Sequence）的特點和用法掌握列表的特點和用法；掌握元組的特點和用法。三、Python中其他數據結構的特點和用法；掌握映射（Mapping）類型字典的特點和用法；掌握集合類型（set）的特點和用法。實驗教學安排（2學時）實驗內容：練習使用input和eval函數進行數據輸入。練習使用字符串百分號（%）格式化輸出數據。練習使用format函數格式化輸出數據。序列類型、集合類型和映射類型的使用練習。課后學習任務布置學習Python基本語法，掌握數據輸入和輸出方法，學習序列、字典等數據類型等類型的使用，結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第3次課4學時授課內容第2章Python基礎語法（二）教學目的與要求本課學習Python的基礎語法。通過本課的學習，學生應該掌握如下知識：Python中的運算符與表達式、Python的流程控制。重點難點Python中算術運算、比較運算等各種運算符的使用；循環結構的應用。理論教學安排（2學時）教學內容：運算符與表達式的概念和使用方法賦值運算符算術運算符比較（關系）運算符邏輯運算符其他運算符：位運算符、成員運算符等二、Python流程控制結構的使用順序結構選擇結構循環結構實驗教學安排（2學時）實驗內容：算術運算符的應用練習；邏輯運算符的應用練習；選擇結構的練習；循環結構的練習。課后學習任務布置學習運算符與表達式、流程控制結構的應用，結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社《Python數據分析與數據挖掘》課程教案第4次課4學時授課內容第3章函數教學目的與要求本課介紹Python中的函數。通過本課的學習，學生應掌握如下知識：函數的定義方法，函數中參數的傳遞方法，函數中參數的設置，匿名函數以及遞歸函數等。重點難點函數的定義和調用；函數參數的設置；匿名函數的使用。理論教學安排（2學時）教學內容：Python語言中的模塊和包、函數的概念函數的定義方法函數中參數的傳遞方法實參變量指向不可變對象實參變量指向可變對象函數中參數的設置函數參數類型位置參數默認參數關鍵字參數可變參數匿名函數遞歸函數實驗教學安排（2學時）實驗內容：無參函數和有參函數的定義練習；函數的參數傳遞練習；位置參數練習；默認參數練習；關鍵字參數練習；可變參數練習；匿名函數練習；遞歸函數練習。實踐學習任務布置掌握函數的定義方法、函數的參數傳遞、參數設置方法，理解匿名函數和遞歸函數。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第5次課4學時授課內容第4章類與對象教學目的與要求本課主要介紹Python面向對象編程。通過本課的學習，學生應掌握如下知識：掌握Python中類的定義與使用，掌握屬性與方法的概念，掌握Python中面向對象的編程方法。重點難點Python中類的聲明；Python中類的屬性與方法的概念與使用；類的封裝、繼承和多態。理論教學安排（2學時）教學內容：Python中類的定義與使用屬性實例屬性與類屬性；公有屬性和私有屬性。方法實例方法類方法靜態方法理解繼承的概念理解運算符的重載實驗教學安排（2學時）實驗內容：父類和子類定義練習；類的實例屬性與類屬性練習；類的共有屬性和私有屬性練習；類的繼承練習。實踐學習任務布置掌握類的定義與使用方法，理解實例屬性與類屬性、公有屬性和私有屬性以及實例方法、類方法和靜態方法的區別和聯系；理解隱形繼承、覆蓋、Super繼承、多重繼承；理解運算符重載函數的定義方法。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第6次課4學時授課內容第5章NumPy基礎與應用教學目的與要求本課主要介紹Python中NumPy包的相關知識。通過本課的學習，學生應掌握如下知識：Numpy數組的創建；數組的迭代、索引和切片；數組的合并與拆分;Numpy數組的統計相關、形狀相關、運算等操作;掌握Numpy數組的讀取和寫入。重點難點NumPy數組創建的多種方法；Numpy數組統計相關操作；Numpy數組運算相關操作；Numpy數組的讀寫。理論教學安排（2學時）教學內容：NumPy數組的屬性掌握創建數組的多種方法掌握數組基礎操作數組的迭代；數組的索引和切片；數組的合并與拆分。掌握數組的其他操作Numpy數組的統計相關操作；Numpy數組的形狀相關操作；Numpy數組的四則運算、點乘與比較操作。實驗教學安排（2學時）實驗內容：數組的創建練習利用np.array()函數生成數組；利用內置函數產生特定形式的數組；生成隨機數組。Numpy數組的統計相關練習數組求和、數組求積、均值、標準差和方差等練習。Numpy數組的形狀相關操作使用.shape屬性修改數組形狀練習；reshape()和.resize()方法練習；數組的轉置練習。Numpy數組的四則運算、點乘與比較練習Numpy數組的讀取與寫入練習綜合練習使用Numpy進行股票價格的統計與分析。課后學習任務布置掌握Numpy數組創建的多種方法；熟悉數組的數據類型；掌握數組的迭代、索引和切片；掌握數組統計相關、形狀相關、數組的四則運算、點乘與比較相關的操作；掌握數組的讀寫。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社《Python數據分析與數據挖掘》課程教案第7次課4學時授課內容第6章Pandas基礎與應用（一）教學目的與要求本課介紹Pandas中主要的數據結構及其基本操作。通過本課的學習，學生應掌握如下知識：Pandas中主要的數據結構；Pandas中數據導入和導出的方法；DataFrame中數據的選取等基本操作。重點難點掌握Series數據結構的特點及應用；掌握DataFrame數據結構的特點及應用；DataFrame中數據的選取。理論教學安排（2學時）教學內容：一、Pandas簡介Pandas主要特性；Pandas包的安裝。二、Pandas中的數據結構Series特點及創建方法；DataFrame特點及創建方法。三、Pandas中數據的基本操作Pandas中數據的導入和導出；DataFrame數據的選取；Dataframe中數據的編輯；數據的合并。實驗教學安排（2學時）實驗內容：Series對象的創建使用標量創建Series的練習；使用數組創建Series的練習；使用列表創建Series的練習；使用字典創建Series的練習；Series支持的各種操作練習。二、DataFrame對象的創建數組構建DataFrame的練習；指定行索引和列索引構建DataFrame的練習；傳入帶有列表的字典構建DataFrame的練習。三、Pandas中數據的基本操作Pandas讀取各種文件（csv、excel及json格式）數據的練習；使用基本選取方式選取DataFrame數據的練習；使用loc及iloc選取DataFrame數據的練習；DataFrame數據編輯練習；使用merge()和concat()進行數據的合并練習。課后學習任務布置理解Pandas中主要的數據結構，掌握其基本操作，包括：使用Pandas進行數據的導入、導出、選取、編輯及合并等。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第8次課4學時授課內容第6章Pandas基礎與應用（二）教學目的與要求本課介紹Pandas中主要的數據運算與數據分析。通過本課的學習，學生應掌握如下知識：Pandas中的數據算術運算和比較運算；Pandas中數據的統計分析；Pandas中的透視表與交叉表。重點難點Pandas中的數據分組與聚合；Pandas中的透視表與交叉表。理論教學安排（2學時）授課內容：一、數據的算術運算和比較運算二、數據排序三、統計分析四、分組與聚合五、透視表與交叉表實驗教學安排（2學時）實驗內容：Series和DataFrame對象數據的算術與比較運算練習DataFrame對象數據的排序練習數據的統計分析基本統計分析方法；累計統計分析練習。四、分組與聚合數據分組練習；數據聚合練習。五、透視表與交叉表使用pivot_table創建數據透視表練習；使用crosstab創建交叉表練習。六、綜合練習天氣信息文件數據的分析練習；泰坦尼克號乘客生還數據的分析練習；小費文件數據的分析練習。課后學習任務布置掌握Pandas中數據的合并、Pandas中的數據算術運算和比較運算、數據的分組與聚合、數據透視表與交叉表等用法。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第9次課4學時授課內容第7章Matplotlib基礎及應用教學目的與要求本課主要介紹使用Matplotlib繪圖的基本方法。通過本課的學習，學生應掌握如下知識：Matplotlib中圖形的組成元素；Pyplot繪圖的基本方法；子圖的多種設置方法；掌握Matplotlib中Pyplot繪制常用圖形的方法；Matplotlib與Numpy和Pandas的綜合應用。 重點難點Matplotlib中圖形的構成；Matplotlib中子圖的設置與應用；Matplotlib中Pyplot常用圖形的繪制；Matplotlib與Numpy和Pandas的綜合應用。理論教學安排（2學時）授課內容：一、Matplotlib簡介主要特性；Matplotlib安裝。 二、Matplotlib的基礎知識Matplotlib的導入；Matplotlib中圖形（Figure）的構成；Matplotlib中設置中文。三、Pyplot的使用 函數plt.plot()的使用； 子圖的多種設置方法。 四、Pyplot中常用圖形的繪制散點圖 柱狀圖 直方圖 餅圖 3D圖 實驗教學安排（2學時）實驗內容：一、Pyplot的使用練習 函數plt.plot()的使用練習； 子圖的多種設置方法練習。 二、Pyplot中常用圖形的繪制練習函數plt.plot()的使用練習； 子圖的多種設置練習。 三、Pyplot中常用圖形的繪制練習四、Matplotlib與Numpy和Pandas的綜合應用練習某地區旅游數據的分析與可視化；某高校高考入學分數的可視化分析；Netflix電視節目和電影數據的可視化分析。課后學習任務布置掌握Matplotlib中圖形的組成元素，理解軸、軸線、圖例等概念，使用Pyplot繪圖的方法，子圖的多種設置方法，Pyplot中常用圖形的繪制。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第10次課4學時授課內容第8章分類（一）教學目的與要求本課首先對分類問題進行概述，然后重點介紹基于有監督學習的分類預測模型，包括決策樹、樸素貝葉斯等算法的原理及其在Python中的實現。通過本課的學習，學生應掌握如下知識：分類的基本概念；分類模型的評價指標；掌握決策樹、樸素貝葉斯等分類算法的原理及過程。重點難點分類模型的評價指標；理解決策樹、樸素貝葉斯等分類算法的原理及應用。理論教學安排（2學時）教學內容：一、分類概述 分類的基本概念； 常用的分類算法； 分類算法的評價指標。 二、分類的理論知識 信息熵； 信息增益； 基尼系數。 三、決策樹 決策樹的基本概念；決策樹的算法過程；sklearn中的決策樹應用。四、樸素貝葉斯分類器樸素貝葉斯分類器的基本介紹；樸素貝葉斯分類器的算法過程；sklearn中的樸素貝葉斯分類器應用。實驗教學安排（2學時）實驗內容：決策樹的應用實驗Iris鳶尾花數據集上的決策樹練習貝葉斯分類器的應用實驗搜狗實驗室新聞數據上的貝葉斯分類器練習課后學習任務布置理解分類問題及分類算法的評價指標，掌握有監督學習的分類預測模型，包括決策樹、樸素貝葉斯等算法的原理及其在Python中的實現。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第11次課4學時授課內容第8章分類（二）教學目的與要求本課介紹支持向量機、梯度提升決策樹等算法的原理及其應用，結合實例介紹本章分類算法的應用。通過本課的學習，學生應掌握如下知識：支持向量機、梯度提升決策樹等算法的原理及應用；掌握python中常用分類模型的綜合應用。重點難點理解支持向量機、梯度提升決策樹等分類算法的原理及應用；Python中常用分類模型的綜合應用。理論教學安排（2學時）教學內容：一、支持向量機支持向量機基本介紹；支持向量機算法過程；sklearn中的支持向量機應用。二、梯度提升決策樹梯度提升決策樹基本概念；梯度提升決策樹算法過程；sklearn中的梯度提升決策樹應用。三、常用分類算法的綜合應用實驗教學安排（2學時）實驗內容：支持向量機的應用實驗Iris鳶尾花數據集上的支持向量機練習二、梯度提升決策樹的應用實驗Iris鳶尾花數據集上的梯度提升決策樹分類器練習常用分類算法的綜合應用練習多種分類算法在葡萄酒wine數據集的分類練習；銀行借貸違約情況的分類預測練習；多種分類算法在鳶尾花數據集的分類練習。課后學習任務布置掌握有監督學習的分類預測模型，包括支持向量機、梯度提升決策樹等算法的原理及其在Python中的實現，掌握python中常用分類模型的綜合應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第12次課4學時授課內容第9章聚類（一）教學目的與要求本課首先對聚類問題進行概述，然后介紹聚類分析的常用算法，重點介紹基于劃分的K-Means聚類算法的原理以及在Python中的使用方法。通過本課的學習，學生應掌握如下知識：聚類的基本概念；聚類的常用算法；聚類的評估方法；基于劃分的K-Means聚類算法的原理及應用；基于層次分析的聚類算法原理及應用。重點難點聚類的常用算法；聚類的評估方法；基于劃分的K-Means聚類算法。理論教學安排（2學時）教學內容：一、聚類概述 聚類的基本概念； 聚類的距離度量； 聚類的常用算法； 聚類的評估。 二、基于劃分的K-Means聚類算法 K-Means的基本概念； K-Means的算法過程； sklearn中的K-Means應用。三、基于層次分析的聚類基于層次分析的聚類的基本原理；基于層次分析的聚類過程；sklearn中的Birch應用。實驗教學安排（2學時）實驗內容：K-Means算法的應用實驗Iris鳶尾花數據集上的K-Means聚類練習；make_blobs生成數據集上的K-Means聚類練習。二、Birch算法的應用實驗Iris鳶尾花數據集上的Birch聚類練習；make_blobs生成數據集上的Birch聚類練習。課后學習任務布置掌握無監督學習的聚類模型，了解常用聚類算法，掌握基于劃分的K-Means聚類算法及其在Python中的應用，掌握基于層次分析的聚類算法及應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第13次課4學時授課內容第9章聚類（二）教學目的與要求本課介紹基于密度的聚類算法的原理及其應用，結合實例介紹本章聚類算法的綜合應用。通過本課的學習，學生應掌握如下知識：DBSCAN算法的原理及應用；掌握python中常用聚類模型的綜合應用。重點難點基于密度的聚類算法原理及應用；常用聚類算法的綜合應用。理論教學安排（2學時）教學內容：一、基于密度的聚類基于密度的聚類的基本原理；基于密度的聚類過程；sklearn中的DBSCAN應用。二、常用聚類算法的綜合應用實驗教學安排（2學時）實驗內容：一、DBSCAN算法的應用實驗Iris鳶尾花數據集上的DBSCAN聚類練習；make_blobs生成數據集上的DBSCAN聚類練習。常用聚類算法的綜合應用練習肘方法為K-Means聚類選擇最優的簇數k，并使用CH指標評價不同k時的聚類質量的練習。非“球形簇”數據的不同聚類算法對比練習。基于K-Means算法的圖像分割練習。課后學習任務布置掌握基于密度的聚類算法及其在Python中的應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第14次課4學時授課內容第10章回歸（一）教學目的與要求本課首先對回歸問題進行概述，然后介紹回歸的常用算法，重點介紹線性回歸和邏輯回歸的原理以及在Python中的使用方法。通過本課的學習，學生應掌握如下知識：常用的回歸模型；回歸分析的評價指標；線性回歸的原理及應用；邏輯回歸的原理及應用。重點難點線性回歸的原理及應用；邏輯回歸的原理及應用。理論教學安排（2學時）教學內容：一、回歸概述常用的回歸模型；回歸分析的步驟；回歸的相關系數；回歸模型的評價指標。二、線性回歸 線性回歸原理；LinearRegression應用；一元線性回歸的原理及應用；多元線性回歸的原理及應用。三、邏輯回歸 邏輯回歸原理； 邏輯回歸的應用。 實驗教學安排（2學時）實驗內容：一、線性回歸的應用實驗簡單線性回歸模型實例；多元線性回歸實例。二、邏輯回歸的應用實驗使用邏輯回歸模型預測冠心病（CHD）患病風險的實驗課后學習任務布置掌握回歸分析的常用算法、回歸分析的步驟、評價指標等，掌握一元線性回歸和多元線性回歸、邏輯回歸的原理及其在Python中的應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第15次課4學時授課內容第10章回歸（二）教學目的與要求本課介紹多項式回歸、嶺回歸以及Lasso回歸的原理及其應用，結合實例介紹本章回歸算法的應用。通過本課的學習，學生應掌握如下知識：多項式回歸的原理及應用；嶺回歸的原理及應用；Lasso回歸的原理及應用；掌握python中常用回歸模型的綜合應用。重點難點多項式回歸的原理與應用；嶺回歸的原理與應用；Lasso回歸的原理與應用。理論教學安排（2學時）教學內容：一、其他回歸算法多項式回歸的基本原理及應用；嶺回歸的基本原理及應用；Lasso回歸的基本原理及應用。二、常用回歸算法的綜合應用實驗教學安排（2學時）實驗內容：一、其他回歸算法的應用實驗使用2次多項式回歸擬合非線性數據練習；嶺回歸預測聯合循環發電廠的發電量練習；Lasso回歸分析糖尿病數據集的練習。二、常用聚類算法的綜合應用練習用邏輯回歸模型進行輸血服務中心數據集中個人是否獻血的預測；用線性回歸和嶺回歸預測波士頓房價。課后學習任務布置掌握多項式回歸、嶺回歸與Lasso回歸的原理及其在Python中的應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第16次課2學時授課內容實戰案例--電商消費者數據分析教學目的與要求本課為數據分析與可視化的案例學習。將綜合利用Python中的sklearn、numpy、pandas、matplotlib及seaborn等包，對某禮品公司在線零售交易數據集進行分析。通過本課的學習，學生應掌握如下知識：熟悉數據分析與可視化基本過程；熟悉數據分析與可視化的常用方法。重點難點數據的預處理方法；數據的探索性分析；數據的可視化分析。理論教學安排（1學時）教學內容：一、案例背景介紹二、數據加載和預處理 加載包及讀入數據；數據信息初步分析；數據預處理。 三、探索性數據分析各國訂單情況分析；客戶情況分析；產品情況分析；按時間的銷售數據分析。 四、案例小結實驗教學安排（1學時）實驗內容：綜合案例實驗。通過實驗分析某禮品公司的在線零售交易數據，包括訂單來源國家情況、客戶情況，以及按時間的銷售數據分析，并啟發學生自己設計實驗內容，以便更加深入地探究該數據集中客戶的分布、購買習慣等信息，為后期制定更好地銷售計劃做準備。課后學習任務布置掌握綜合利用sklearn、numpy、pandas、matplotlib及seaborn等包，對比較復雜數據進行分析的綜合應用。結合本章綜合實踐例題進行實訓，完成章節習題。主要參考資料《Python數據分析與數據挖掘》王潔等主編，清華大學出版社

《Python數據分析與數據挖掘》課程教案第17次課2學時授課內容實戰案例--乳腺癌數據分析與預測教學目的與要求本課為數據分析與挖掘的案例學習。將綜合利用Python中的sklearn、numpy、pandas、matplotlib及seaborn等包，對乳腺癌診斷數據集進行分析。通過構建分類模型，預測腫瘤是良性還是惡性。通過本課的學習，學生應該掌握如下知識：熟悉數據的相關性分析；掌握多種分類模型的應用；熟悉特征選擇的多種方法；熟悉參數調優的方法；掌握多種分類模型的評價指標。重點難點數據的相關性分析；分類預測模型的運用；多種特征選擇方法的應用；多種分類模型評價指標的應用。理論教學安排（1學時）教學內容：一、案例背景介紹二、數據加載和預處