《机器学习项目开发实战》-教案 项目四任务四 层次聚类尝试

《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：项目四任务四层次聚类尝试授课班级：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.掌握层次聚类的基本原理与操作流程，包括数据预处理、选择合适距离度量标准及链接准则等关键步骤。2.探索不同的策略来估算聚类中心的确定方法。3.利用可视化工具（如树状图）展示聚类过程和结果，深入分析每个细分群体的特点及其潜在含义。1.具备独立应用层次聚类算法的能力。2.具备探索不同策略来估算层次聚类中每个细分群体的中心点的能力。3.能够使用可视化工具展示层次聚类过程和结果，能够将复杂的聚类分析结果转化为清晰、有价值的市场细分信息。1.具备深刻理解并灵活应用层次聚类算法的能力2.培养评估和确定最佳簇数量的专业判断力。3.掌握全面的数据分析流程及结果解读能力，体现综合分析素养。教学重点应用层次聚类技术对消费者行为数据进行细分。在层次聚类过程中，探索并实施有效的方法来确定细分群体的聚类中心。通过对聚类结果的深入分析，清晰描述各个细分群体的特征和消费倾向。教学难点理解凝聚层次聚类算法的步骤和优缺点;理解分裂层次聚类算法的步骤和优缺点。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：数据预处理中的科学诚信与客观精神课程内容：讲解客户数据清洗（如缺失值处理、异常值识别）、特征选择（如剔除无关变量、避免数据偏差）在市场细分中的基础作用。思政融入点：强调“数据是市场细分的基石”，引导学生认识到篡改数据、选择性保留样本等行为会导致细分结果失真，违背“实事求是”的科学原则。通过规范数据预处理流程，培养“尊重原始数据、不主观臆断”的诚信意识，树立“用客观数据说话”的理性思维，反对为迎合预设结论而操纵数据的浮躁心态。2.课程思政融入点2：市场细分结果应用中的责任意识与伦理底线课程内容：讲解客户市场细分在精准营销（如个性化服务推送）、产品优化（如针对不同群体设计功能）等场景的落地。思政融入点：强调“细分不是标签化，而是为了更好地满足需求”，引导学生警惕将客户群体简单归类可能引发的歧视（如价格歧视、服务差别对待），树立“技术服务于公平交易”的伦理意识。通过分析细分结果对客户权益的影响，培养“尊重个体差异、拒绝过度商业化”的责任担当，将技术应用与“保护消费者权益”的社会准则相结合。3.课程思政融入点3：算法选择与优化中的创新思维与务实态度课程内容：介绍无监督学习算法（如K-means、层次聚类）的适用场景，讲解算法参数调优（如确定最佳聚类数）、模型评估（如轮廓系数分析）的逻辑。思政融入点：以“没有万能算法，只有最适合的方案”为核心，引导学生理解“创新不是盲目追求复杂算法，而是基于实际需求选择并优化工具”。通过对比不同算法在客户细分中的效果差异，培养“具体问题具体分析”的务实态度，鼓励学生在借鉴经典算法的基础上，结合行业特点探索改进思路，传承“求真务实、勇于突破”的创新精神。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，引出层次聚类算法。购物网站把客户进行分类的依据有哪些呢？明确本节课的学习目标，让学生带着目标去听课。要求学生了解凝聚层次聚类算法的原理和优缺点；要求学生了解分类层次聚类算法的原理和优缺点；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）教师结合课件，讲解凝聚层次聚类算法。教师结合课件，讲解分类层次聚类算法原理和优缺点。教师根据课件，讲述树状图的概念和作用。通过课件讲述凝聚层次聚类算法。通过课件讲述分类层次聚类算法原理和优缺点。通过课件讲述树状图的概念和作用。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，数据标准化的必要性和实施步骤。教师根据课件，介绍最优簇数实施步骤。教师根据课件，讲解三、凝聚层次聚类的实施步骤。对实施步骤进行总结。带领学生开始本次实践：用层次聚类的方法进行聚类分析。2.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