粤教版 必修一 5.3 数据的分析 课件（共18张）

(共18张PPT)
数据处理和可视化表达
粤教版（2019版） 信息技术（高中）
5.3 数据的分析
必修1 数据与计算
第五章
1、特征探索
2、关联分析
学习目标
3、聚类分析
重点：特征探索、关联分析
难点：聚类分析
重难点
课堂导入
数据分析就是在一大批杂乱无章的数据中，运用数字化工具和技术，探索数据内在的 结构和规律，构建数学模型，并进行可视化表达，通过验证将模型转化为知识，为诊断过 去、预测未来发挥作用。数据分析一般包括特征探索、关联分析、聚类与分类、建立模型 和模型评价等。
5 . 3 . 1 特征探索
数据特征探索的主要任务是对数据进行预处理，发现和处理缺失值、异常数据，绘制直方图，观察分析数据的分布特征，求最大、最小值、极差等描述性统计量。
5 . 3 . 2 关联分析
关联分析就是分析并发现存在于大量数据之间的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。算法如下：
（1）扫描历史数据，并对每项数据进行频率次数统计。
（2）构建候选项集C1，并计算其支持度，即数据出现频率次数与总数的比。
（3）对候选项集的支持度进行筛选，筛选的数据项支持度应当不小于最小支持度， 从而形成频繁项集L1。
（4）对频繁项集L2进行连接生成候选项集C2，重复上述步骤，最终形成频繁K项集或者最大频繁项集。
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。
图5-10 聚类分析K-平均算法
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。
打开并运行教科书配套学习资源包“第五章\课本素材\程序5-5聚类分析”文件，观察程序的运行结果。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下：
实 践
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。
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。
在概率统计理论中，条件概率是指事件A在另外一个事件B已经发生条件下的发生概 率，表示为P（A|B），读作“在B的条件下A的概率”。贝叶斯发现在事件B出现的前提下 事件A出现的概率，等于事件A出现的前提下事件B出现的概率乘以事件A出现的概率再除 以事件B出现的概率。这就是著名的贝叶斯定理。
拓 展
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。例如，假设有一个数据集，由两类组成，且已知每个样本的分类，数据分 布如图5-11所示。用p1(x,y)表示数据点(x,y)属于红色一类的概率，用p2(x,y)表示数据点(x,y) 属于蓝色一类的概率。
图5-11 数据分布
那么如何判断对于一个新的点C(x,y)属于红色还是蓝色类别呢？通常人们会按以下步骤解答：
（1）求新的点C(x,y)属于红色一类的概率p1(x,y)。
（2）求新的点C(x,y)属于蓝色一类的概率p2(x,y)。
（3）选择概率高的一类作为新点C(x,y)的分类。
各小组根据项目选题及拟订的项目方案，结合本节所学，完成相应的数据分析。
采用适当的方法完成相应项目选题的数据分析工作。
总结和归纳数据分析的方法和步骤。
项目实施
THANKS
“
”