教学内容

1、数据分析的基本方法及流程。（重点）

2、关系数据库作为数据源与BI模型分析平台的连接配置，以及SQL语句的编程方法。（重点）

3、ID3决策树算、KNN最近邻算法、贝叶斯分类等有监督学习算法的应用场景点。（重点）

4、数据集中区分特征和目标变量的基本方法。（重点）

5、基于BI模型分析平台构建工程、实施数据分析的基本方法。（重点）

6、有监督学习算法和无监督学习算法的应用场景和区别。（难点）

7、有监督学习算法参数的理解及使用。（难点）

8、正确合理地设置挖掘流程，尤其是数据预处理环节，该环节可能会出现缺少流程、错误设置流程等情况。（难点）

9、BI模型分析平台操作流程的使用和调试；根据错误报告定位流程问题点的方法；对模型结果实施合理性的评估和解读。（难点）

学习要求

1、掌握数据库在数据分析应用中的作用。

2、了解有监督学习算法（ID3决策树算、KNN最近邻算法、贝叶斯分类等）的原理和应用场景。

3、能够在数据集中区分特征和目标变量。

4、掌握BI模型分析平台的基础操作流程和方法。

5、能够选择合适的数据分析算法解决具体问题。

6、能够利用BI平台进行基本的数据分析建模。

学习资源列表

1、SPOC微课视频：分类-朴素贝叶斯、分类-KNN、分类-决策树

2、实践任务

3、参考文献

（1）从决策树到随机森林：树型算法的原理与实现

（2）贝叶斯分类算法

（3）深入浅出KNN算法- KNN算法原理

（4）数据预处理

（5）TipDM大数据挖掘建模平台——操作手册

（6）Python数据挖掘建模平台简易操作手册

学习任务

第28讲：

1、自主学习SPOC视频资源。

2、完成实践任务：高阶项目-《基于有监督学习算法的鸢尾蝶数据分析与实践》；作业成绩计入平时成绩。

3、拓展阅读参考文献。

第29讲：

1、完成模型的后续应用-基于有监督学习算法的鸢尾蝶数据分析与实践；作业成绩计入平时成绩。

2、拓展阅读参考文献。