《机器学习Python实战》电子教案 06_1-项目4 线性回归预测模型构建.docxVIP

武汉软件工程职业学院教案（理论教学首页）

（第1页）

教案（理实一体化课）

武汉软件工程职业学院教案（附页）

（第NUMPAGES4页）

课程

名称

机器学习

授课

内容

项目4波士顿房价预测——基于线性回归

4.2.3岭回归模型的应用

4.2.4套索回归模型的应用

授课安排

授课

时数

2

授课

对象

人工智能技术应用专业大二学生

授课

方法

讲授、问题式教学法

授课教具

Python3.7及后续版本、Anaconda、Jupyter

教学目标

思政目标：

不同的回归模型结果不一样，大家在学习过程中一定要具体问题具体分析，看每种模型适合那种情况

知识目标：

掌握岭回归、套索回归模型的基本原理

能力目标：

使用岭回归、套索回归模型进行建模

教学重点

掌握岭回归、套索回归模型的训练方法

教学

难点

岭回归、套索回归的参数调节

【课前安排】

（1）教师对学生们的疑问进行统一答疑。

（2）回顾总结上节课内容，继续介绍本课时的内容。

上机课介绍了线性回归算法的原理与用法，本节课介绍岭回归、套索回归模型。

【导入新课】

机器学习算法针对特定数据所训练出来的模型并非是十全十美的，再加上数据本身的复杂性，误差不可避免。说到误差，就必须考虑其来源：模型误差=偏差（Bias）+方差（Variance）+数据本身的误差。学习中出现错误