清华大学版八年级下册信息科技第1单元第3课用机器学习解决问题教学设计.pdf

课题名称第3课用机器学习解决问题

1.能够熟练完成从问题分析到数据收集、整理，再到模型训练、评估和应用的全过程。

2.学会根据不同问题特点选择合适的方法，熟练使用数据处理工具对数据清洗、整理和划分。

课时目标

3.能依据具体问题，准确选择合适的机器学习算法，使用BaseML工具进行模型训练与优化。

4.能将训练好的模型与其他编程语言结合，开发出简单的AI应用，提升解决实际问题的能力。

教学准备计算机、XEdu工具、相关数据集、教学课件

导学过程意图说明

一、知识探究

1.项目子任务引入

——明确指出，本节课将深入学习如何利用机器学习技术解决真实问题，这是前面所学知

识应用于实际的关键环节，也是完成项目任务的核心步骤，引导学生积极投入学习。

2.探究内容与要求

（1）方法引导：采用案例驱动和实践操作相结合的方法，通过具体案例详细剖析每个环节的

操作要点和注意事项，让学生在实践中掌握用机器学习解决问题的方法。

（2）主要内容：

①哪些问题适合用机器学习解决？——问题分析与数据准备

②模型训练的关键要点有哪些？——模型训练和评估、优化

③模型应用的常见方式有哪些？——模型应用

3.知识习得

（1）自主阅读：引导学生以教材相关章节和XEdu工具的官方文档为主，网络资料作补充，

自主阅读学习如何用机器学习解决问题的相关知识。在学生阅读过程中，教师巡视并解答疑

问，引导学生关注重点内容和关键操作步骤。

（2）知识梳理：通过提问、总结、填写表格等方式，帮助学生梳理知识要点。例如，设计如

下表格让学生填写：

学习内容具体要点

问题分析方法判断问题是否适合机器学习的依据：

1.问题是否存在规律，如变量之间是否有潜在关联。

2.能否获取相关的数据，数据的可收集性是关键。

3.问题的复杂程度，简单的线性问题更适合基础算法，复

杂问题可能需要更高级的算法。

“身高推断”适用方法：

1.在线调查：设计问卷收集身高、脚长、体重等相关信

息。

2.直接测量：对身边人群进行实地测量获取数据。

数据收集方法“预测商品销量”适用方法：

1.企业内部销售记录收集：获取本企业商品的历史销售

据。

2.网络数据抓取：利用爬虫技术收集电商平台上同类商品

的销售数据、价格等信息。

数据整理的目的：

1.保证数据完整性：识别和处理数据集中的缺失值。

2.确保数据统一性：所有数据遵循相同的格式和标准。

3.提高数据准确性：识别和校正数据中的错误或不合理的

值。

数据整理操作“身高推断”数据整理具体操作：

1.检查体重、鞋码等数据，去除异常值（如体重过轻或过

重、鞋码不符合常理的数据）。

2.填补缺失的身高或其他特征数据，可采用均值、中位

等方法。

3.统一数据单位，如将身高的单位统一为厘米。

BaseDT工具函数：split_tab_dataset()

函数参数含义：

数据集划分工

1.path：指定待拆分的CSV数据集路径