3.1.2机器学习算法类型：监督学习 教学设计-高中信息技术粤教版（2019）选择性必修4.docxVIP

教学设计

课程基本信息

学科

信息技术

年级

高二年级

学期

秋季

课题

机器学习算法类型：监督学习

教科书

书名：信息计算选择性必修5《人工智能初步》

出版社：广东教育出版社

教学目标

1.信息意识：通过特征数据可视化，提升学生数据意识。

2.计算思维：使用电子表格给苹果和柠檬分类，理解K近邻算法的原理与核心思想。

3.数字化学习与创新：通过使用微课和网络平台提升学习效率，培养学生数字化学习和创新能力。

4.信息社会责任：感受人工智能在生活中的优势，思考人工智能与社会发展的关系。

教学重难点

教学重点：

体验特征数据采集，通过数据分析，提升学生数据意识，引导学生探究分类算法。

教学难点：

K近邻算法的原理和实现。

教学过程

环节一：知识回顾，引入新课。

1.机器学习算法类型：监督学习

2.开门见山，引入新课：

本节课以柠檬苹果分类为例，探究监督学习分类算法。

回顾之前所学，引入新课。

环节二：水果二维（长和宽）特征分析

1.从实物到抽象数据特征。

问题1：苹果和柠檬都有那些外部特征？

简化特征：本节课为了更加直观的探究分类算法，我们对苹果和柠檬的特征进行简化，只提取苹果和柠檬的长宽特征。

2.教师将自己采集的数据整理发送给学生。

颜色、形状、表皮、大小....

环节三：

分类算法探究

1.数据可视化。

抽象数据可视化，观察数据特点。引导学生利用散点图的方式，展示数据的分布状态，启发学生思考。

2.观察散点图，探究分类算法。

方法一：将两种水果分别圈起来，未知水果在那个圈，那就属于那个类别（物以类聚）。

方法二：划分直线区分两种水果，线的两测分别是不同的水果（支持向量机）。

教师：简单介绍线性分类算法支持向量机算法。教师继续追问：尝试找到最优的分类直线？

方法三：未知水果离哪类样本近，未知水果就属于哪一类（K近邻算法）引出本节课K近邻算法（识其邻而知其类）。

3.实践活动二：利用电子表格探究K近邻算法。

第一步.计算距离，利用欧式距离公式计算未知水果到各个样本之间的距离。

第二步.给距离排序。

第三步.选取K值。

第四步.投票分类，找到K个“最近邻居”类别占比情况，确定未知水果的种类。

教师利用电子表格演示K近邻算法在苹果和柠檬分类过程。

总结：K的取值影响分类结果，K个“最近”邻居中，哪个类别占比多，未知水果为同类。

1.学生在电子表格中将采集的数据以散点的形式进行绘制。体验数据可视化处理。

2.在教师引导下学生讨论，探究多种分类算法（支持向量机和K近邻）。

环节四：

拓展实践

1.学生使用K近邻算法在电子表格中完成老师给出的4个分类任务。

小说分类，男女生预测，糖尿病诊断，朋友选择

2.分享交流

思考：对比苹果和柠檬分类，每个任务都有什么不同？

小说分类（二维数据特征）

男女生预测（三维数据特征）

糖尿病诊断（四维数据特征）

朋友选择（多分类）

总结：在分类算法的实际应用中，为了保证分类的准确性，采集的数据特征不止二维，可能多维特征。分类算法解决的也不止是二分类问题，也可能是多分类问题。

学生在教师的引导下，完成本节课分类任务。

环节五：

课后探索

尝试将本节课的实践任务用编程的方式呈现，并且对未知样本进行预测。

环节六：

总结

1.特征提取（柠檬和苹果的长宽特征）

2.探究分类算法（聚类、支持向量机、K近邻算法）

3.利用电子表格设计实现K近邻算法

4.利用K近邻算法解决实际问题

学生在教师的引导下，完成本节课小结。