2025 高中信息技术数据与计算的 Lasso 回归算法实例课件.pptxVIP

一、从线性回归到Lasso：为什么需要这把“特征筛选刀”？

演讲人

01

从线性回归到Lasso：为什么需要这把“特征筛选刀”？

02

抽丝剥茧：Lasso回归的核心原理与关键参数

03

实战演练：用Lasso回归预测学生数学成绩

04

从课堂到现实：Lasso回归的应用与拓展

05

总结：Lasso回归的“数据与计算”启示

目录

2025高中信息技术数据与计算的Lasso回归算法实例课件

作为一名深耕高中信息技术教学十余年的教师，我始终相信：技术的魅力不在于复杂的公式堆砌，而在于它如何用数学的语言解决真实世界的问题。今天，我们将聚焦“数据与计算”模块中一个兼具理论深度与实践价值的算法——Lasso回归。这是继线性回归后，我们需要掌握的更高级数据建模工具，它不仅能帮助我们优化预测效果，更能教会我们如何用“奥卡姆剃刀”思维筛选关键信息。接下来，我将以“学生成绩预测”为实例，带大家从理论到实践，完整走完Lasso回归的学习闭环。

01

从线性回归到Lasso：为什么需要这把“特征筛选刀”？

1线性回归：我们熟悉的“老朋友”

在之前的学习中，我们已经掌握了线性回归的核心逻辑——通过最小化预测值与实际值的误差平方和（即最小二乘法），找到一条最能拟合数据的直线。例如，用“每日学习时长”预测“数学成绩”时，线性回归模型可以表示为：

[\hat{y}=w_0+w_1x_1]