資源簡介

中小學教育資源及組卷應用平臺
信息技術 2.3 分類與聚類
課題 分類與聚類 單元 第二單元 學科 信息技術 年級 九年級
教材分析 信息技術是一門知識性、技能性與創新性相結合的學科。現階段，信息技術教育的理念已發生了質的飛躍，從單純的技能訓練上升為全面的信息素養的培養。教材以提高全體學生信息素養、養成學生自主學習意識和能力、培養學生數字化創新精神，從生活中發現問題、明確任務、確立目標、分析任務。在探究過程中逐步找到解決問題的方法。實用的小技巧，適時點撥關鍵操作。旨在幫助學生掌握信息時代生存與發展必須的基礎知識和基礎技能，養成信息意識、計算思維、數字化學習與創新、信息社會責任的核心素養。
教學目標 1、信息意識：能夠識別和評估信息的可靠性、有效性以及適用性。了解信息的定義、特征和重要性。2、計算思維：能夠運用計算思維解決問題，包括分解問題、抽象問題、模式識別、算法設計等。3、數字化學習與創新：能夠使用多媒體工具和應用程序進行創新性的表達、展示和分享。4、信息社會責任：具備信息安全和隱私保護的意識，并能夠采取相應的措施保障個人和他人的信息安全。
重點 一、了解機器分類二、構建決策樹三、理解聚類算法
難點 1、理解聚類算法
教學過程
教學環節 教師活動 學生活動 設計意圖
導入新課 1、走在大街上，分類垃圾桶隨處可見，對垃圾進行正確分類能更好地節約、利用資源。數據也一樣，對數據分類，能更好地利用數據，隨著計算能力、存儲空間、網絡速度的發展，人類所積累的數據量正在快速增長，分類在數據挖掘中成為一項非常重要的任務。2、分類是在一群已經知道類別標簽的數據樣本中訓練一種分類器，讓其能夠對未知的數據進行分類。常用的分類算法有決策樹和K 最近鄰算法。 觀看視頻了解生活中的分類 幫助學生理解人工智能分類，打開課堂
講授新課 一、活動1：了解機器分類0.分類是我們生活中常做的事情。對不同的事物、不同的人，我們會以不同的標準進行分類。請同學們 所示的物品分成三類并進行如下的思考你是如何進行物品分類的？你分類的依據是什么 結合助力知識，談談機器是如何進行分類的 1、和人類的分類過程相似，機器要完成分類任務前，需要先進行學習在人的監督下，給機器一些學習數據，這些數據都有自己的特征和屬性，機器會使用相應的算法建立一個分類器，總結出分類的規律。機器學習完后，就可以使用分類器對新的物體進行分類二、活動2 構建決策樹0、為了方便打印學習資料，家里打算買一臺打印機。但是打印機產品種類繁多，該如何選擇呢。購物網站都有分類功能，你能通過購物網站以分類的方式，根據以下基本要求選出合適的產品嗎 。2．請你依據對打印機的要求，結合助力知識，在下面的方框中構建一棵決策樹。2.1、決策樹為什么是樹狀結構的 2.2、它和生活中的樹有哪些異同 3、機器為什么可以使用決策樹來解決分類問題呢 助力知識—分而治之一決策樹決策樹，顧名思義，與樹的結構類似，有根、有枝、有葉，決策樹的樹狀結構和樹有所不同，它是從根部開始往下生長的，決策樹的根節點位于頂層，在分類或決策時是最關鍵或最優先的特征要先滿足根節點的條件，才能繼續往下決策決策樹的樹枝叫內部節點，或者叫決策點，是進行分類或決策的其他特征，分布在決策樹的各層。決策樹的葉節點代表分類或決策的結果。葉節點出現時，就不需要繼續產生內部節點進行判斷機器使用決策樹模型進行學習時，會從根節點開始測試其中的特征，并循著路線不斷往下決策，由于每個特征判斷輸出的結果是互不相交的，當有新的對象進入模型時，就可以強行劃分到決策的某一結果中，為它找到所屬的類別助力知識—決策樹的應用在機器學習中，決策樹能很好地輔助機器解決分類問題。在生活中當面臨一系列的決策或判定問題時，人們可能有意或無意地使用決策樹進行決策。決策樹的應用在生活中很常見。例如，小明一家打算假期去旅游，小明為旅行選擇航班，要按照需求將合適的航班分揀出來2.1、他先檢查出發當天是否有航班，如果沒有，就尋找其他合適日期的航班;如果有，再考慮航班是否需要轉機，如果小明為了節約時間只選擇直飛航班，那么接下來他應查看該航班的價格是否符合預算，如果超出預算，他應查看其他價格合適的航班小明做決策的過程就是構建決策樹的過程，我們根據小明選擇航班的過程畫出了決策樹2.2、航班決策樹圖活動3 理解聚類算法1、聚類，簡單地說就是將相似的事物放在一起。聚類是按照某個特定標準把一個數據集分割成不同的類,使得同一個類中的數據相似性盡可能大，同時使得不同類中的數據差異性也盡可能大。即聚類后同一類的數據盡可能聚集到一起，不同類的數據盡量分離。最經典的聚類算法是 K 最近鄰算法。2.1、我們常說，物以類聚，人以群分，判別一個人的品質和特征，常常可以從他(她)身邊的朋友入手，觀其友而識其人。與此類似，K 最近鄰算法，也稱 KNN(K-Nearest Neighbor)算法，。其分類方法是給要分類的新對象找幾個“鄰居”，根據這幾個“鄰居”的類別給新對象分類。2.2、K 最近鄰算法步驟3.1、例如當我們判別圖中的 屬于 還是屬于 時，就可以從它的鄰居著手.3.2、由此可以看出，當無法判定當前待分類點是從屬于已知分類中的哪一類時，我們可以依據統計學的理論看它所處的位置特征，衡量它周圍鄰居的權重，把它歸為(或分配到)權重更大的那一類，這就是 K 最近鄰算法的核心思想。思考討論請同學們參照圖，利用K 最近鄰算法，判定圖 中的 圖形是什么。實踐體驗使用聚類算法可以解決生活中的很多問題，如城市垃圾分類、商業店鋪選址、網購平臺推薦物品信息等.登錄人工智能體驗平臺，打開“膳食搭配小助手”，讓 AI根據你愛吃的食物類型，為你推薦其他補充食物，形成膳食平衡請你談談體驗的感受及思考，并填寫在下表中。三、活動4 拓展延伸1、討論完成：除了決策樹機器學習還用了什么算法？，有什么作用？2、討論完成：目前我們生活中常用的機器算法有哪些？3、討論完成：目前我們生活中常用的機器算法有哪些？四、項目實施1、小明的爺爺退休后，經常去公園找棋友下棋。小明用表 2.3.1 記錄了爺爺是否去公園與當天的天氣情況。請同學們根據，樣例完成剩余的情況。 五、鞏固練習1、決策樹模型一般由( )構成。2 、K 最近鄰算法中，在K值確定的情況下，判斷新數據屬于哪一類，依據是( )3、3.在網上購物時，為了快速地找到合適的物品，一般需要考慮品牌、款式、功能、價格等因素。確定一個你想購買的物品，參考購物網站提供的物品分類，畫出購物過程的流程圖： 學生通過思考及其分類是如何實現的，結合助力知識了解機器對物體分類學生互相討論了解決策樹的結構以及決策樹的用途學生思考回答問題，什么是聚類算法，聚類算法是如何運用的學生完成任務學生實踐并總結實踐的感受。學生根據鞏固練習完成題目，加深對知識的理解 幫助學生更多地思考機器分類是如何實現的，明確及其分類和人類分類的異同點。通過思考討論，幫助學生更深層次地了解決策樹的結構和用途。幫助學生理解聚類算法的含義，讓學生學會使用聚類算法給物體分類通過任務的方式，幫助學生養成解決問題能力。培養學生語言組織能力以及對于信息的采集和總結能力幫助學生記憶課堂知識
布置作業 1、搜索了解決策樹應用場景？2、搜索了解K最近鄰算法應用場景？3、搜索了解日常生活中還有哪些機器算法？ 完成作業 培養學生查閱資料的能力，分析解決問題的能力
課堂小結 通過學習分類與聚類算法這節課，為我們解決各種問題提供了強大的工具。掌握這些算法的原理、優缺點以及應用場景，能夠幫助我們在實際問題中做出更準確和有效的決策。通過實踐和進一步學習，我們將能夠更好地應用這些算法來解決真實世界中的挑戰 分組總結歸納 鍛煉學生的總結能力，邏輯思維、語言表達能力。
板書 一、了解機器分類二、構建決策樹三、理解聚類算法 學習、記憶、及勾畫知識點 明確教學內容及重點和難點
21世紀教育網 www.21cnjy.com 精品試卷·第 2 頁 （共 2 頁）
HYPERLINK "http://www.21cnjy.com/" 21世紀教育網(www.21cnjy.com)(共41張PPT)
2.3 分類與聚類
電子工業出版社 第五冊
教學目標
1、信息意識：能夠識別和評估信息的可靠性、有效性以及適用性。了解信息的定義、特征和重要性。
2、計算思維：能夠運用計算思維解決問題，包括分解問題、抽象問題、模式識別、算法設計等。
3、數字化學習與創新：能夠使用多媒體工具和應用程序進行創新性的表達、展示和分享。
4、信息社會責任：具備信息安全和隱私保護的意識，并能夠采取相應的措施保障個人和他人的信息安全。
情境描述
1、走在大街上，分類垃圾桶隨處可見，對垃圾進行正確分類能更好地節約、利用資源。數據也一樣，對數據分類，能更好地利用數據，隨著計算能力、存儲空間、網絡速度的發展，人類所積累的數據量正在快速增長，分類在數據挖掘中成為一項非常重要的任務。
情境描述
2、分類是在一群已經知道類別標簽的數據樣本中訓練一種分類器，讓其能夠對未知的數據進行分類。常用的分類算法有決策樹和K 最近鄰算法。
情境描述
活動1
了解機器分類
新知講解
分類是我們生活中常做的事情。對不同的事物、不同的人，我們會以不同的標準進行分類。請同學們所示的物品分成三類并進行如下的思考。
新知講解
1、你是如何進行物品分類的
2、你分類的依據是什么
3、結合助力知識，談談機器是如何進行分類的
水果還是素材：根據物品的種類，比如菠蘿和胡蘿卜就不是一種。
依據：物品中有些只能是水果，有些只能是蔬菜，有些兩者都可以是。
數據預處理：首先，對原始數據進行預處理
1
1、和人類的分類過程相似，機器要完成分類任務前，需要先進行學習在人的監督下，給機器一些學習數據，這些數據都有自己的特征和屬性，機器會使用相應的算法建立一個分類器，總結出分類的規律。機器學習完后，就可以使用分類器對新的物體進行分類。
助力知識
活動2
構建決策樹
新知講解
為了方便打印學習資料，家里打算買一臺打印機。但是打印機產品種類繁多，該如何選擇呢。購物網站都有分類功能，你能通過購物網站以分類的方式，根據以下基本要求選出合適的產品嗎
1、彩色噴墨打印機
2、支持無線打印。
3、價格在600元以內
4、國產品牌
助力知識
1、請你依據對打印機的要求，結合助力知識，在下面的方框中構建一棵決策樹。
思考討論
助力知識
2.1、決策樹為什么是樹狀結構的 2.2、它和生活中的樹有哪些異同
決策樹之所以被稱為"樹"，是因為其類似于自然界中的樹狀結構。決策樹由一個根節點、多個內部節點和葉子節點組成。 相同
1、結構類似：決策樹和生活中的樹都具有樹狀結構，包括根節點
2、分支方式：決策樹和生活中的樹都通過不同的分支來進行劃分
不同
3、目的不同：決策樹的目的是分類或預測
思考討論
助力知識
3、機器為什么可以使用決策樹來解決分類問題呢
1、直觀易懂：決策樹具有直觀的可視化結構，使得人們容易理解和解釋。
2、處理多類別問題：決策樹天然支持多類別分類問題。
3、處理混合數據類型：決策樹能夠處理包含離散型和連續型特征的混合數據類型。
思考討論
助力知識
1、決策樹，顧名思義，與樹的結構類似，有根、有枝、有葉，決策樹的樹狀結構和樹有所不同，它是從根部開始往下生長的，決策樹的根節點位于頂層，在分類或決策時是最關鍵或最優先的特征要先滿足根節點的條件，才能繼續往下決策。
助力知識—分而治之一決策樹
助力知識
2、決策樹的樹枝叫內部節點，或者叫決策點，是進行分類或決策的其他特征，分布在決策樹的各層。決策樹的葉節點代表分類或決策的結果。葉節點出現時，就不需要繼續產生內部節點進行判斷。
助力知識—分而治之一決策樹
助力知識
3、機器使用決策樹模型進行學習時，會從根節點開始測試其中的特征，并循著路線不斷往下決策，由于每個特征判斷輸出的結果是互不相交的，當有新的對象進入模型時，就可以強行劃分到決策的某一結果中，為它找到所屬的類別。
助力知識—分而治之一決策樹
A*算法
1、在機器學習中，決策樹能很好地輔助機器解決分類問題。在生活中當面臨一系列的決策或判定問題時，人們可能有意或無意地使用決策樹進行決策。決策樹的應用在生活中很常見。例如，小明一家打算假期去旅游，小明為旅行選擇航班，要按照需求將合適的航班分揀出來。
助力知識—決策樹的應用
A*算法
2.1、他先檢查出發當天是否有航班，如果沒有，就尋找其他合適日期的航班;如果有，再考慮航班是否需要轉機，如果小明為了節約時間只選擇直飛航班，那么接下來他應查看該航班的價格是否符合預算，如果超出預算，他應查看其他價格合適的航班小明做決策的過程就是構建決策樹的過程，我們根據小明選擇航班的過程畫出了決策樹。
助力知識—決策樹的應用
A*算法
2.2、航班決策樹圖。
助力知識—決策樹的應用
活動3
理解聚類算法
新知講解
1、聚類，簡單地說就是將相似的事物放在一起。聚類是按照某個特定標準把一個數據集分割成不同的類,使得同一個類中的數據相似性盡可能大，同時使得不同類中的數據差異性也盡可能大。即聚類后同一類的數據盡可能聚集到一起，不同類的數據盡量分離。最經典的聚類算法是 K 最近鄰算法。
助力知識
2.1、我們常說，物以類聚，人以群分，判別一個人的品質和特征，常常可以從他(她)身邊的朋友入手，觀其友而識其人。與此類似，K 最近鄰算法，也稱KNN(K-Nearest Neighbor)算法。其分類方法是給要分類的新對象找幾個“鄰居”，根據這幾個“鄰居”的類別給新對象分類。
新知講解
助力知識
2.2、K 最近鄰算法步驟
1.計算訓練樣本和測試樣本中每個樣本點的距離
2.對上面所有的距離值進行排序。
3.選前K個最小距離的樣本。
4.根據這飛個樣本的標簽進行投票，得到最后的分類類別。
新知講解
助力知識
3.1、例如當我們判別圖中的 屬于 還是屬于 時，就可以從它的鄰居著手.
1.如果K=3， 的最近3個鄰居是2個 和1個 ，少數從屬于多數，基于統計的方法，判定 屬于 一類。
2、如果K=5， 的最近 5個鄰居是2個 和3個 ，還是少數從屬于多數，基于統計的方法，判定 屬于 一類。
新知講解
助力知識
3.2、由此可以看出，當無法判定當前待分類點是從屬于已知分類中的哪一類時，我們可以依據統計學的理論看它所處的位置特征，衡量它周圍鄰居的權重，把它歸為(或分配到)權重更大的那一類，這就是 K 最近鄰算法的核心思想。
新知講解
助力知識
1、請同學們參照圖，利用K 最近鄰算法，判定圖 中的 圖形是什么。
如圖所示，在圓圈內部，有三個 一個 所以根據K鄰近算法來看， 應該是屬于 一類
思考討論
助力知識
1、使用聚類算法可以解決生活中的很多問題，如城市垃圾分類、商業店鋪選址、網購平臺推薦物品信息等.登錄人工智能體驗平臺，打開“膳食搭配小助手”，讓 AI根據你愛吃的食物類型，為你推薦其他補充食物，形成膳食平衡。
實踐體驗
助力知識
2、請你談談體驗的感受及思考，并填寫在下表中。
AI為你推薦的食物搭配方案的依據 AI 為你推薦的食物搭配方案的參考價值 生活中可以讓 AI 使用聚類算法的地方
營養平衡：AI可以根據食物的營養成分。 個體差異：每個人的身體狀況、喜好和營養需求都有所不同。 專業意見：AI雖然具備大量數據和專業知識，但在涉及個體健康問題時。
味覺和嗜好：AI可以通過分析個體的味覺喜好和食物偏好。 多樣化飲食：食物搭配的多樣性對于獲得全面的營養至關重要。 醫療診斷：聚類算法可以在醫學領域中應用。
實踐體驗
活動4
拓展延伸
拓展延伸
1、討論完成：除了決策樹機器學習還用了什么算法？
算法 作用
邏輯回歸 用于分類問題，根據輸入特征預測離散類別的概率
支持向量機 用于分類和回歸問題，將數據映射到高維空間中，
樸素貝葉斯 基于條件獨立性假設的概率模型，用于分類問題
主成分分析 用于降維和數據可視化，通過線性變換將高維數據映射到低維空間
拓展延伸
2、討論完成：目前我們生活中常用的機器算法有哪些？
算法 作用
支持向量機算法 支持向量機是一種二分類模型，其目標是找到一個超平面，將不同類別的樣本分開
邏輯回歸算法 邏輯回歸是一種廣義線性回歸模型，主要用于處理二分類問題
隨機森林算法 隨機森林是一種集成學習算法，通過建立多個決策樹并結合它們的預測結果來進行分類或回
神經網絡算法 神經網絡是一種基于生物神經系統的學習理論，通過模擬人腦的神經元結構和連接方式，進行模式識別和預測。
拓展延伸
3、討論完成：目前我們生活中常用的機器算法有哪些？
用途 作用
推薦系統： K最近鄰算法可以用于基于用戶行為和興趣的推薦系統。
分類任務 K最近鄰算法可以用于分類任務，例如文本分類、圖像分類等。
異常檢測 K最近鄰算法可用于檢測異常樣本。
圖像識別 K最近鄰算法可以用于圖像識別任務，
項目實施
1、小明的爺爺退休后，經常去公園找棋友下棋。小明用表 2.3.1 記錄了爺爺是否去公園與當天的天氣情況。請同學們根據，樣例完成剩余的情況。
鞏固練習
1 決策樹模型一般由( )構成
A.根節點、內部節點、子節點
B.根節點、內部節點、葉節點
C.根節點、葉節點、葉子節點
D.節點、內部節點、子節點
答案是：C
鞏固練習
2 K 最近鄰算法中，在K值確定的情況下，判斷新數據屬于哪一類，依據是( )。
A.K值的大小
B.以新數據為圓心、K值為半徑的圓內，原始數據數量的多少
C.與K值無關
D.隨機選擇
答案是：B
鞏固練習
3.在網上購物時，為了快速地找到合適的物品，一般需要考慮品牌、款式、功能、價格等因素。確定一個你想購買的物品，參考購物網站提供的物品分類，畫出購物過程的流程圖：
課堂總結
通過學習分類與聚類算法這節課，為我們解決各種問題提供了強大的工具。掌握這些算法的原理、優缺點以及應用場景，能夠幫助我們在實際問題中做出更準確和有效的決策。通過實踐和進一步學習，我們將能夠更好地應用這些算法來解決真實世界中的挑戰。
板書設計
分類與聚類
一、了解機器分類
二、構建決策樹
三、理解聚類算法
課后作業
1、搜索了解決策樹應用場景？
2、搜索了解K最近鄰算法應用場景？
3、搜索了解日常生活中還有哪些機器算法？
謝謝
21世紀教育網（www.21cnjy.com)
中小學教育資源網站
兼職招聘：
https://www.21cnjy.com/recruitment/home/admin

展開更多......

收起↑