人工智能导论—技术、应用及伦理 教案 实验3 决策树分类与 K 均值聚类、实验4 机器学习伦理与公平性评估.docx

实验3决策树分类与K均值聚类

一、实验目的及要求

理解决策树分类算法的基本思想，掌握使用scikit-learn构建决策树模型的方法。

理解决策树的可解释性优势，能够对生成的决策树进行可视化解读，并据此说明模型“为什么做出某种预测”。

理解无监督学习中聚类任务的基本思想，掌握K均值聚类算法的实现步骤（初始化、分配、更新、迭代）。

掌握肘部法则（ElbowMethod）确定聚类数K的方法，能够对聚类结果进行可视化与业务解释。

理解PCA降维在可视化高维数据、辅助聚类分析中的作用。

二、实验学时

2学时（建议时间分配：讲解10分钟，任务实践80分钟，总结报告1