初中九年级信息科技教学指南第26课《推荐出行方式》教学课件.pptxVIP

第26课推荐出行方式第六单元AI项目工作坊义务教育信息科技课程资源人工智能

第26课学习目标1了解影响选择出行方式的主要因素，并掌握相关数据的收集和整理方法。学习目标掌握构建智能推荐系统的方法，能使用构建的智能系统推荐出行方式。2

第26课课堂导入问题情境人工智能能否在不同条件下推荐合理的出行方式？出行是人们日常生活中不可或缺的一部分，选择合适的出行方式往往需要综合考虑多种因素，如时间、距离、天气等。

第26课学习内容学习活动一准备数据三基于人工神经网络推荐二基于决策树推荐四反思与改进

一、准备数据第26课学习内容推荐（预测）离不开数据，准备数据一般要经历收集数据、整理数据、清洗数据、分析数据和构建数据集等过程。

一、准备数据第26课学习内容清洗数据去除重复、错误或不完整的数据，确保数据的准确性和一致性清洗分析数据通过对数据运用统计分析和可视化等方法，挖掘出潜在的规律和趋势分析构建数据集将处理好的数据组织成适合模型训练和预测的格式，为后续的人工智能应用提供基础构建整理数据将收集到的零散数据按照规则进行分类和排序整理收集数据可以通过问卷调查、传感器记录或网络爬取等方式获取原始信息收集

第26课学习内容一、准备数据分析任务，明确推荐系统所需的数据并收集整理任务情境上学时，同学们会根据距离、天气情况、同伴数量等情况选择步行、骑行或坐车。尝试设计一个智能系统，根据提供的客观情况推荐出行方式。

第26课学习内容任务分析影响因素可能连续变化，如温度、距离等，可以将这些数据进行等级划分，构建结构化的数据集，从而为后续模型训练和智能推荐打下基础。处理流程收集原始信息对影响因素进行分级形成结构化数据集一、准备数据

第26课学习内容检查收集到的数据，是否有缺失项或明显错误的数据中，并进行初步清洗和整理。分析数据完整性：目前的数据是否覆盖了各种可能的情况？等级划分是否合理？如果样本不足或划分不合理，应如何改进？汇总大家普遍关注的影响因素，并为每个因素设定合理的等级划分标准。例如，距离分为近、中、远。活动过程结合已有数据和分级标准，将原始信息转化为计算机可以识别的等级形式，形成可用于训练的数据集。参考讨论结果，设计一份简单的调查表或记录表，用于收集同学们的出行方式及相关因素数据。回顾自己日常上学的出行情况，列出可能影响你选择步行、骑行或坐车的主要因素，如距离、温度、风力、同伴数量、天气等。010305020604一、准备数据

第26课学习内容如何对连续变化的影响因素进行分级？因素等级因素等级距离1级：距离2km温度1级：温度0℃2级：2km≤距离≤5km2级：0℃≤温度≤26℃3级：距离5km3级：温度26℃同伴数1级：人数1人风力1级：风力3级2级：1人≤人数≤3人2级：3级≤风力≤6级3级：人数3人3级：风力6级天气1级：晴、阴出行方式1级：步行2级：雨、雪2级：骑行3级：坐车一、准备数据

第26课学习内容一、准备数据获取数据后，可基于数据进行训练和推理。实现方式有多种，例如：·根据数据生成决策树，然后用决策树推荐出行方式；·将距离、温度、同伴数及出行方式等作为训练数据集，训练一个推荐人工神经网络，即可推荐出行方式。

决策树通过一系列判断条件逐步缩小推荐范围，最终得出一个推荐结果。过程可见右图。要使用决策树进行推荐，首先要根据已有数据生成这棵“树”。二、基于决策树推荐第26课学习内容将整理后的数据按某种文件格式保存起来生成用于训练决策树的代码，并根据实际情况进行修改运行代码，观察程序是否顺利运行，并检查是否成功保存了决策树模型调用训练好的决策树模型，根据输入的出行情况推荐出行方式，并分析该推荐是否合理

第26课学习内容1.将整理后的数据按某种文件格式保存起来，如CSV格式。保存时，确保每一列都有清晰的字段名，如距离、温度、同伴数量、风力、天气、出行方式等。2.访问一个支持代码生成的人工智能网站，输入需求描述，如“请根据提供的CSV数据生成用于训练决策树的代码。”同时，应附上数据文件和数据格式说明。二、基于决策树推荐

第26课学习内容3.下载或复制网站生成的代码，并根据实际情况进行修改，包括：修改数据文件的路径，确保程序能找到数据文件；设置模型的保存路径等。4.运行修改后的代码，观察程序是否顺利运行，并检查是否成功保存了决策树模型。5.调用训练好的决策树模型，根据输入的出行情况推荐出行方式，并分析该推荐是否合理。二、基于决策树推荐

第26课学习内容二、基于决策树推荐配套资源提供了推荐软件，而且可以自动对数据进行等级划分。

利用出行数据