第十一节数据降维算法原理与应用 第十二节机器学习中交叉验证与网格搜索策略 (三)思考与实践 思考l:Kmeans聚类和分类有何区别？ 思考2：朴素贝叶斯算法中的朴素指的是什么？ 思考3：KNW算法中的K是指什么？ 实践1：实验项目五KNW算法实现 实践2：实验项目六K-Means算法实现 实践3：实验项目七朴素贝叶斯算法实现 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 五、各教学环节学时分配 教学环节 讲 教学时戴 题 实验 其他教 学环节 课程内容 第一章Python开发环境搭建与 绵码柳药 0.5 0.5 一第 章数据类型、运算符与内置 0.5 函数 第三章列表、元组、字典、集合 0.5 05 与字符电 第四章选择结构、循环结构、函 0.5 数定义与使用 0.5 第五章文件操作 0.5 0.s 第六章numpy数组与矩阵运算 0.5 0.5 第七章pandas数据分析实战 0.5 0.5 1 第八章matplotlib数据可视化 战 0.5 05 第九章sklearn机器学习实战 34 16 合计 20 489 第十一节 数据降维算法原理与应用 第十二节 机器学习中交叉验证与网格搜索策略 （三）思考与实践 思考 1：Kmeans 聚类和分类有何区别？ 思考 2：朴素贝叶斯算法中的朴素指的是什么? 思考 3：KNN 算法中的 K 是指什么? 实践 1：实验项目五 KNN 算法实现 实践 2：实验项目六 K-Means 算法实现 实践 3：实验项目七 朴素贝叶斯算法实现 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 五、各教学环节学时分配 教学环节 教学时数 课程内容 讲 课 习 题 课 讨 论 课 实验 其他教 学环节 小 计 第一章 Python 开发环境搭建与 编码规范 0.5 0.5 1 第二章 数据类型、运算符与内置 函数 0.5 0.5 1 第三章 列表、元组、字典、集合 与字符串 0.5 0.5 1 第四章 选择结构、循环结构、函 数定义与使用 0.5 0.5 1 第五章 文件操作 0.5 0.5 1 第六章 numpy 数组与矩阵运算 0.5 0.5 1 第七章 pandas 数据分析实战 0.5 0.5 1 第八章 matplotlib 数据可视化 实战 0.5 0.5 1 第九章 sklearn 机器学习实战 24 16 40 合计 28 20 48