实验 1
导论
2 学时
内容提要：课程介绍、金融数据挖掘与分析方法论、实验平台环境配置、Python 基础复习。
实验类型：验证性
组织形式：演示操作、学生操作、讨论
实验与实践
项目驱动，在真实数据与软件环境中完成全流程操作
实验环节突出动手能力与过程考核，配套上机环境、操作指引与成果要求。
实验与实践教学
本课程共设 6 个实验项目，以机房上机实操为主，部分项目为选做；通过演示、操作、讨论与分享完成。
实验 2
金融数据挖掘技术
18 学时
内容提要：网络爬虫基础、网页解析、Selenium 配置、金融数据 API 调用。
实验类型：验证性
组织形式：演示操作、学生操作、讨论
实验 3
金融数据分析常用库
6 学时
内容提要：Numpy 与 Pandas 功能及代码、Matplotlib 可视化。
实验类型：验证性
组织形式：演示操作、学生操作、讨论
实验 4
金融数据挖掘算法
16 学时
内容提要：关联规则、线性回归、逻辑回归模型、决策树。
实验类型：验证性
组织形式：演示操作、学生操作、讨论
实验 5
金融数据挖掘实战（股票）
6（选做） 学时
内容提要：设计挖掘方案，对股票数据预处理、分析并提供报告。
实验类型：创新性
组织形式：学生操作、讨论、分享
实验 6
金融数据挖掘实战（债券）
6（选做） 学时
内容提要：设计挖掘方案，对债券数据预处理、分析并提供报告。
实验类型：创新性
组织形式：学生操作、讨论、分享
实验项目明细
- 项目一 数据清洗：处理缺失、异常与时间对齐。
- 项目二 分类：逻辑回归与决策树对比，看混淆矩阵。
- 项目三 聚类：K-Means 分群并解释轮廓系数。
- 项目四 可视化：用图表呈现结论，强调可读性与诚实。
环境：Python ＋ pandas／scikit-learn；提交 Notebook 与报告。