第6章单元2 数据挖掘.docxVIP

《人工智能通识与实践》

第6章单元2数据挖掘

教案

教学任务

项目1数据挖掘和机器学习

回归预测2.分类算法3.聚类分析4.关联规则5.模型评价方法

项目2机器学习

机器学习概念与三要素2.机器学习的推理方式3.模型优化

授课课时

总时长4学时：课堂讲授2学时、实践环节2学时

一、教学分析

学习目标

知识目标

掌握数据挖掘核心方法及模型评价指标，理解机器学习三要素、推理方式与过拟合/欠拟合优化策略。

能力目标

能运用回归、分类等算法建模分析，完成模型评价与调优，掌握机器学习模型基础构建和优化实操。

素质目标

培养机器学习建模与数据分析思维，提升算法应用和模型优化能力，树立严谨的AI工程实践素养。

教学重点

掌握数据挖掘关键算法实操、模型评价指标计算，理解机器学习三要素，能实施过拟合/欠拟合基础优化。

教学难点

决策树与K-means算法落地，关联规则挖掘，机器学习模型复杂度与泛化能力的平衡把控。

教学内容

讲解回归、分类、聚类等数据挖掘核心算法及模型评价方法；讲授机器学习概念、三要素与推理方式，解析过拟合、欠拟合问题及针对性优化策略，结合案例完成算法与模型实操应用。

二、教学策略

教学设计

以电商用户消费行为预测与商品关联挖掘为引例激趣导入；采用“案例驱动+算法拆解+实操推演+小组探究”分层教学，依托数据挖掘流程精讲回归、分类等五大算法，图文拆解模型评