高中信息技术浙教版：2-4 决策树-教学设计.docx

教学设计

课程基本信息

学科

信息技术

年级

高二

学期

秋季

课题

决策树

教学目标

1.了解决策树以及其分类的概念。

2.掌握如何搭建决策树，学会信息熵与信息增益。

教学内容

教学重点：

1.了解决策树以及其分类的概念。

2.掌握如何搭建决策树，学会信息熵与信息增益。

教学难点：

1.搭建决策树，计算信息熵与信息增益。

教学过程

【前置思考】阅读教材P50思考：

从表格中可以观察到什么？可以用什么策略？有什么规律？谈谈你的想法？

【知识讲解】

【学习任务一】

思考与讨论“什么是决策树”，“决策树如何将分类问题分解为若干单个的推理任务”。

【学习任务二】

思考“如何构建决策树”，说明信息熵与信息增益指的是什么。

构建决策树来解决实际生活中的问题时，需按照一定的顺序选择划分属性。通常，性能好的决策树随着划分不断进行，决策树分支节点的“纯度”会越来越高，即其所包含样本尽可能属于相同类别。为了逐次选出最优属性，可以采用信息增益(informationgain)这一指标。

信息增益被用来衡量样本集合复杂度(不确定性)所减少的程度。

“假设有K个信息，其组成了集合样本D，记第k个信息发生的概率为pk(1≤k≤K)”。如下定义这K个信息的信息熵:

E(D)值越小，表示D包含的信息越确定，也称D的纯度越高。需要指出，所有pk累加起来的和为1。

【实践体验、小组交流】思考：

将天气状况、温度高低、湿度大小、风力强弱作为分支点来构造图2.4.1决策树时，是否信息增益大的气象特点离根节点越近?

【练一练】：

如下表所示，每朵鸢尾花有萼片长度、萼片宽度、花瓣长度、花瓣宽度四个特征。现在需要根据这四个特征将鸢尾花分为杂色鸢尾、维吉尼亚鸢尾和山鸢尾三类，试构造决策树进行分类。

[拓展]机器学习的基本流程

[课堂小结]

备注：教学设计应至少含教学目标、教学内容、教学过程等三个部分，如有其它内容，可自行补充增加。