《机器学习项目开发实战》-教案 项目二任务三 K近邻（KNN）算法实现

《机器学习项目开发实战》课程教学设计课程名称机器学习课程类型专业基础课课程学时64适用专业人工智能、大数据、云计算课程负责人曹梦川软件学院人工智能教研室制定二〇二五年一月《机器学习项目开发实战》课程教学设计课程类别：□公共基础课□专业学习课□拓展学习课☑实践学习课标题：项目二任务三K近邻（KNN）算法实现授课班级：24人工智能课时：2课时授课时间：周五1-4节授课地点：A101教学目标知识目标能力（技能）目标素质目标1．理解K近邻（KNN）算法的基本原理和分类机制。2．掌握KNN算法在图像分类中的应用方法。3．学习如何选择合适的距离度量方法和K值以优化分类效果。1．能够独立实现KNN算法并进行图像分类。2．能够对KNN算法的参数进行调优，提高分类准确率。3．能够分析KNN算法在图像分类中的优势和局限性。1．培养严谨的科学态度和问题解决能力。2．增强团队合作意识和沟通能力。3．提升自主学习和持续改进的能力。教学重点实现KNN算法，包括距离度量的计算和分类决策的制定。对图像数据集进行预处理，包括归一化和特征提取。使用交叉验证等方法评估模型性能，并调整K值以找到最优解。记录实验过程和结果，撰写实验报告。教学难点掌握KNN算法基本原理和流程。了解图像处理的基本概念和流程。教学方法与手段教学采用教师课堂讲授为主，使用教学PPT讲解教学教材教材：教学资源1.智慧课堂2.教材附带慕课课程思政融入点1.课程思政融入点1：模型应用中的社会价值与科技伦理课程内容：介绍图像分类在各领域的应用场景及应用原理。思政融入点：强调技术应用应围绕社会需求和人民利益，树立技术服务社会的价值导向。引导学生将技术学习与国家发展需求相结合，认识到技术使用需坚守伦理底线，培养技术服从于伦理、工具服务于社会的理性认知。2.课程思政融入点2：跨领域协作中的集体主义与全局思维课程内容：讲解图像分类项目完整流程中各环节的协作需求。思政融入点：强调团队协作在项目成功中的关键作用，培养分工合作的集体主义精神。引导学生树立全局观念，认识到技术方案需兼顾多方面因素，平衡技术先进性与实际实用性，践行实事求是、以人为本的工作理念。3.课程思政融入点3：模型训练中的创新精神与传承担当课程内容：对比不同图像分类算法的迭代逻辑，讲解模型优化的思路和方法。思政融入点：以技术发展的迭代过程阐述创新与继承的关系，引导学生理解在借鉴他人成果基础上进行突破的重要性。传承攻坚克难、自主自强的科研精神，鼓励学生不满足于现有成果，勇于挑战技术难题，树立自主创新的意识。教学过程设计教学环节（用时）教学内容教师活动学生活动设计意图课程导入（15分钟）教师通过提问学生问题，引出图像识别和监督学习。教师提问学生问题，例如问题是：摄像时机器怎么识别景物是花草还是人像的？猜测下图像识别应该分为哪些步骤？明确本节课的学习目标，让学生带着目标去听课。要求学生学会监督学习的基本原理；要求图像识别的概念和常见的图像源；教师通过提问学生问题，引出数据分析应用场景集体讨论回答问题引入新课内容新知讲解（一）（30分钟）教师根据课件，讲述图像识别是什么。教师根据课件，讲述KNN算法基础知识。KNN算法的基本思想是通过在训练数据集中找到与测试样本最邻近的K个样本，然后基于这K个“邻居”的信息来预测测试样本的类别或数值。教师根据课件，讲述常见的距离度量方法。包括：1.欧式距离、曼哈顿距离、余弦相似度。教师根据课件，讲述K值选定的原则和方法。教师根据课件，讲述图像的基本知识。教师根据课件，讲述常见的图像基础处理技能。通过课件展示KNN算法基础知识。通过课件展示常见的距离度量方法。通过课件展示K值选定的原则和方法。通过课件展示图像的基本知识。通过课件展示常见的图像基础处理技能。线上头脑风暴线上一句话答题步骤总结回答新知讲解实训演练（40分钟）回顾上课前的学习目标，并对本节课的重要知识点进行总结。教师根据课件，讲述KNN模型创建流程。教师根据课件，讲述KNN模型调优的流程，确定最优K值。总结本次实践发现问题，解答学生疑问。带领学生开始本次实践：创建KNN模型并进行优化确定最优K值。3.巡回检查，解答学生问题，并总结本次实践发现问题。1.跟随教师完成本次实践，存在问题时积极提问。巩固知识