网络教育学院
《数据挖掘》课程大作业
题目：参考资料可以加作者
姓名：
学习中心：
第一大题：讲述自己在完成大作业过程中遇到的困难，解决问题的思路，以及相关感想，或者对这个项目的认识，或者对Python与数据挖掘的认识等等，300-500字。
第二大题：完成下面一项大作业题目。
2020春《数据挖掘》课程大作业
注意：从以下5个题目中任选其一作答。
题目一：Knn算法原理以及python实现
要求：文档用使用word撰写即可。
主要内容必须包括：
（1）算法介绍。
（2）算法流程。
（3）python实现算法以及预测。
（4）整个word文件名为 [姓名奥鹏卡号学习中心]（如
戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）作业提交：
大作业上交时文件名写法为：[姓名奥鹏卡号学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP）
以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。
。
注意事项：
独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！
题目二：朴素贝叶斯算法原理以及python实现
要求：文档用使用word撰写即可。
主要内容必须包括：
（1）算法介绍。
（2）算法流程。
（3）python实现算法以及预测。
（4）整个word文件名为 [姓名奥鹏卡号学习中心]（如
戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）作业提交：
大作业上交时文件名写法为：[姓名奥鹏卡号学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP）
以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。
。
注意事项：
独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！
题目三：SVM算法原理以及python实现
要求：文档用使用word撰写即可。
主要内容必须包括：
（1）算法介绍。
（2）算法流程。
（3）python实现算法以及预测。
（4）整个word文件名为 [姓名奥鹏卡号学习中心]（如
戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）作业提交：
大作业上交时文件名写法为：[姓名奥鹏卡号学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP）
以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。
。
注意事项：
独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！
题目四：中华古诗词分析
要求：编写程序爬取中华古诗词网站
https:///authors/上诗人的诗词信息，至少500
首诗词，抽取诗词信息的诗人名字、朝代、诗词标题、诗
词内容存储在json文件中，自选某一角度完成对诗词的处
理分析。如：
（1）杜甫、李白的诗词用字、用词的对比分析；
（2）唐宋代表性诗词的用词对比分析；
（3）使用sklearn对不同诗人的诗词进行训练，训练得到的模型能用于对诗词的作者的判别。对比不同算法判别的准确率。
（4）整个word文件名为 [姓名奥鹏卡号学习中心]（如
戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）
作业提交：
大作业上交时文件名写法为：[姓名奥鹏卡号学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP）
以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。
注意事项：
独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！
题目五：歌词分析
要求：自选有音乐歌词的网站，编写爬虫程序下载不同类型的歌曲歌词，至少3种以上类型，每种类型至少100首歌曲，抽
取其中的歌曲名称、歌曲类型、歌词信息存储在json文件
中，自选某一角度对歌词进行处理分析。如：
（1）不同类型的歌曲用词分析，如下图所示（自行学习使
用jieba库和wordcloud库的使用）。
（2）使用sklearn库对不同类型的歌词进行训练，训练得
到的模型能用于对歌词类型的判别。对比不同算法判别的准
确率。
（3）整个word文件名为 [姓名奥鹏卡号学习中心]（如
戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）
作业提交：
大作业上交时文件名写法为：[姓名奥鹏卡号学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP）
以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。
注意事项：
独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！
