2.2回归算法教学设计人教-中图版高中信息技术选择性必修4

第2章人工智能技术基本原理2.2回归算法教学设计教学背景信息科技是现代科学技术领域的重要部分，主要研究以数字形式表达的信息及其应用中的科学原理、思维方法、处理过程和工程实现。当代高速发展的信息科技对全球经济、社会和文化发展起着越来越重要的作用。义务教育信息科技课程具有基础性、实践性和综合性，为高中阶段信息技术课程的学习奠定基础。信息科技课程旨在培养科学精神和科技伦理，提升自主可控意识，培育社会主义核心价值观，树立总体国家安全观，提升数字素养与技能。教材分析本节课的教学内容选自人教/地图出版社选择性必修4人工智能初步第2章人工智能技术基本原理2.2回归算法。智能已成为人们生活的一部分，它到底隐藏着多少人工智能的神奇“魔术”？智能助理和智能聊天等应用，正颠覆着我们与的交互方式；新闻资讯、在线购物等热门应用总在推送着适合我们的内容；图像识别智能应用能够识别图像或现实中的人、风景、地点，可帮助我们快速组织和检索图像;图像处理软件能对图像进行美化，打造个性化图像；当人们开车出行时，可以使用导航软件规划最佳路线......中的智能应用涉及许多人工智能技术，各类应用的智能表现离不开“机器学习”。机器学习与人类学习不同，它需要收集大量数据或积累大量经验。本章的核心是机器学习，涉及回归、分类和聚类等算法，以及神经网络、深度学习和强化学习等概念和理论。在本章的学习中，我们将以“智能技术初体验”为主题，开展项目活动，探索应用中的人工智能技术，领略技术背后人工智能算法的魅力，进而学习人工智能技术的基本原理。教学目标1.通过剖析案例，了解回归算法的基本原理，能举例说明回归算法的应用场景。2.掌握线性回归问题的两种求解方法，能应用求解方法解决实际问题。教学重点与难点教学重点:通过剖析案例，了解回归算法的基本原理，能举例说明回归算法的应用场景。教学难点:掌握线性回归问题的两种求解方法，能应用求解方法解决实际问题。教学方法与教学手段案例分析法、讲授法、任务驱动法。教学过程问题导入体验探索智能里的预测功能生活中，人们往往需要依据以往的经验或数据，预测一些事情的发展趋势，智能也提供了一些有预测功能的应用程序。例如，天气类应用程序会依据近期天气数据来预测降水量等天气情况，指导人们出行，有些预测在时间上甚至能精确到小时；地图类应用程序除了能帮助我们规划出行线路外，还能根据实时路况预测行程需要花费的大概时间，如图2.2.1（参见教材P37）所示；旅行类应用程序会预测部分景区节假日的热门指数，根据这些数据，游客能制订更加合理的出行计划，景区也能制订更合理的节假日预案，为游客提供更好的旅行体验。思考：查阅相关资料，看看还有哪些应用程序能够借助预测功能来提高我们的生活品质。回归在学习中的应用“回归”这个词看起来陌生，其实在物理实验中，同学们经常借助回归思想，来寻求事物运动的特点和规律。其中一个经典的实验就是借助打点计时器和纸带，来探究小车速度随时间变化的规律，如图2.2.2（参见教材P38）所示。在实验过程中，同学们可以基于实验获取的数据来推断数据之间蕴含的关系。简单地说，“回归”就是一种由果索因的过程，即由大量事实所呈现的状态，设法去推断其形成的原因。实践活动借助电子表格软件绘制实验图像在“探究小车的运动速度随时间变化的规律”的实验中，获得的一组实验数据如表2.2.1所示。表2.2.1小车的运动速度随时间变化的实验数据t/s00.10.20.30.40.5v/(m·s1)0.380.630.881.111.381.62打开电子表格软件（Excel或WPS），在相邻的两行中分别填入时间t和速度v的值，用鼠标选中所有数据后，单击“插入”菜单，选择绘制一幅散点图，得到如图2.2.3（a）（参见教材P38）所示的散点图。得到散点图后，可以添加一条趋势线来观察这些点的分布特点。由于实验所得数据几乎分布在一条直线上，所以可以选择“线性”类型的趋势线，同时勾选在图表上“显示公式”和“显示R平方值”选项，可得如图2.2.3（b）（参见教材P38）所示的趋势线，其中速度和时间的关系表达式为y=2.48x+0.38。R2值表示线性趋势线对数据拟合的程度，R2越接近1，代表拟合的图像越趋近于真实情况，预测效果越好。这个实验其实是在探究速度和时间两个变量间的定量关系，确定速度y和时间x的关系式（y=2.48x+0.38）后，可以根据需要推测出时间为某一个数值时的速度大小。回归算法一般用于确定两种或两种以上变量间的定量关系。按照自变量的数量多少，可以分为一元回归和多元回归；按照自变量和因变量之间的关系类型，可以分为线性回归（图2.2.4）（参见教材P39）和非线性回归（图2.2.5）（参见教材P39）。因变量和自变量之间的关系如果类似于一次函数，则属于线性回归问题；如果类似于指数函数或对数函数等，则属于非线性回归问题。回归分析一般适用于求解因变量是连续值的情况，而不适用于求解因变量是离散值的情况。如明天的气温、超市每天的销售额、近期的房屋价格和股票走势等适合用回归分析法求解，而明天是否下雨、图片中的动物是小猫还是小狗等则属于分类问题。回归算法的一般流程回归算法在学习中已得到广泛应用，在生活中的应用也有很多，如可以用来预测近期的房屋价格、电影票房走势及人口增长趋势等。回归算法的一般流程如图2.2.6（参见教材P39）所示，下面将通过一个简单的一元线性回归问题来进行说明。收集数据在放学的路上，小明收到了一份传单，传单中有一家新开业蛋糕店的蛋糕售价。表2.2.2所示为某种口味的蛋糕不同尺寸的售价。通过这组数据可以探索店铺定价的奥秘。表2.2.2某种口味蛋糕尺寸与售价的关系蛋糕尺寸/英寸6891012价格/元4056697796（注：1英寸=2.54cm）训练算法根据收集的数据，编程求得蛋糕尺寸和价格两个变量之间的定量关系。实践活动借助Python探索蛋糕价格的奥秘借助Python编程语言中的sklearn模块来探索蛋糕尺寸和价格之间的关系，并以蛋糕尺寸为x轴，价格为y轴，通过matplotlib模块绘制出拟合的图像。得到蛋糕尺寸和价格之间的关系式及R2的值如下：y=［9.45］x+［17.45］R2=0.9960127147绘制出的图像如图2.2.7（参见教材P40）所示，其中红色圆点为获得的样本数据的散点分布，绿色的直线为拟合出的趋势线。查阅相关资料，学习sklearn模块的用法，将上述训练数据的代码补充完整。测试算法算法训练完成后，得到R2的值约为0.996，非常接近1，说明得到的关系式效果较好。使用算法求得蛋糕尺寸和价格之间的关系后，如果给定一个新的蛋糕尺寸，就可以将尺寸的数值代入关系式中，计算出这一尺寸的蛋糕价格，从而实现预测蛋糕价格的功能。项目实施回归算法助力学习类移动应用程序一、项目活动基于上一节设计的智能学习类移动应用程序，结合本节所学内容，进行小组讨论，完成一个基于回归算法的应用程序设计方案。思考应用程序每天会记录用户的哪些数据，在此基础上可以作出什么样的预测。例如，通过记录用户每天记过的单词量，预测用户未来可能完成的任务量，并依据预测结果推荐合适数量的单词供用户记忆。二、项目检查进一步完善上一节绘制的思维导图，添加基于回归算法的功能，并在班级内进行交流。课后作业1.生活中还有哪些问题能够使用回归算法进行分析？查阅相关资料，借助电子表格软件得出因变量与自变量之间的关系。2.借助Python编程语言求解上面的问题，对比两种求解方式的优劣。板书设计第2章人工智能技术基本原理