5.3 数据分析 第2课时　课件 2022—2023学年高中信息技术粤教版（2019）必修1

粤教版普通高中教科书 信息技术 必修1 数据与计算 第五章 数据处理和可视化表达 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  数据分析 -数据分析就是在一堆杂乱无章的数据中，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。 数据分析常用方法 特征探索 关联分析 聚类与分类 建立模型 模型评价 回顾与导入  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，求最大值、最小值、极差等描述性统计量。 回顾与导入 2.数据清洗，发现缺失值 3.异常值处理中，利用画散点图发现异常值部分 4.求最大值、最小值、极差、组距，绘制价格直方图和评论数直方图 1.创建MySQL数据库 特征探索一般过程 高中信息技术必修1 数据与计算 5.3.2 关联分析 数据分析常用方法 特征探索 关联分析 聚类与分类 建立模型 模型评价  1.概念：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。 2.常见案例： 价格和年龄之间的关系：个性化推荐 购买相关商品之间的关系：捆绑销售 3.常用的算法：aprior算法（关联规则挖掘算法） 4 案例：捆绑销售 5.3.2 关联分析 3.关联分析的基本算法及流程图 扫描数据，并统计数据出现的频率次数 构建候选项集C1 计算支持度：数据出现的频率次数/总数 形成频繁项集L1：筛选候选项集C1，要求支持度不小于最小支持度 连接频繁项集L1，生成候选项集C2 重复步骤③-⑤，得到最大的频繁项集 扫描数据库，统计数据出现的频率次数 构建候选项集Cn 支持度>最小支持度 形成频繁项集Ln 开始 结束 是 否 计算支持度：频率次数/总数 构建候选项集Cn+1 Aprioir-Gen运算 扫描数据库 统计数据出现的频率次数 5.3.2 关联分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 6 4.案例分析 原始数据集： [面包，牛奶], [面包，尿布，啤酒，鸡蛋] [牛奶，尿布，啤酒，可乐] [面包，牛奶，尿布，啤酒] [面包，牛奶，尿布，可乐] 扫描数据库，统计每种食物出现的次数 候选项集C1 食物 数目 牛奶 4 面包 4 尿布 4 啤酒 3 鸡蛋 1 可乐 2 5.3.2 关联分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 7 4.案例分析 支持度大于2的频繁项集L1 候选项集C1 食物 数目 牛奶 4 面包 4 尿布 4 啤酒 3 鸡蛋 1 可乐 2 频繁项集L1 食物 数目 牛奶 4 面包 4 尿布 4 啤酒 3 候选项集C2 食物组合 牛奶、面包 牛奶、尿布 牛奶、啤酒 面包、尿布 面包、啤酒 尿布、啤酒 根据算法， 生成候选项集C2 5.3.2 关联分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 8 4.案例分析 原始数据集： [面包，牛奶], [面包，尿布，啤酒，鸡蛋] [牛奶，尿布，啤酒，可乐] [面包，牛奶，尿布，啤酒] [面包，牛奶，尿布，可乐] 扫描数据库，统计候选项集C2食物组合出现的次数 候选项集C2 食物组合 [牛奶、面包] [牛奶、尿布] [牛奶、啤酒] [面包、尿布] [面包、啤酒] [尿布、啤酒] 候选项集C2 食物组合 数目 [牛奶、面包] 3 [牛奶、尿布] 3 [牛奶、啤酒] 2 [面包、尿布] 3 [面包、啤酒] 2 [尿布、啤酒] 3 5.3.2 关联分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 9 4.案例分析 候选项集C2 食物组合 数目 [牛奶、面包] 3 [牛奶、尿布] 3 [牛奶、啤酒] 2 [面包、尿布] 3 [面包、啤酒] 2 [尿布