第19课 聚类辅助推理（义务教育人工智能课件）

第19课聚类辅助推理第四单元智能推理的应用义务教育信息科技课程资源

人工智能

第19课学习目标学习目标知道聚类的基本含义。能尝试利用聚类算法整理数据，从而解决身边的实际问题。12第19课课堂导入问题情境同学们，你是否留意过课间休息时操场上的人群分布？物以类聚，人以群分。这种人群内部形成的自然分组，就是聚类现象。AI一

聚类简介二

基于聚类的智能应用学习内容第19课学习内容一、聚类简介第19课学习内容从最终结果看，聚类同样是把事物分成了几组，与分类结果相似。但在人工智能领域，分类和聚类有很大不同：分类面对的是已知类别特征的情况，是把待分类数据的数据特征与不同类别的特征进行比较，找出最相似的。聚类面对的则是不知道该按什么标准进行类别划分的情况，只能根据数据自身具备的特征进行内部分组。一、聚类简介第19课学习内容星图中，圆点表示星星，颜色表示亮度。尝试把里面的星星分为4组。一、聚类简介第19课学习内容观察星图上点的分布，尝试将相近的点归为一类。例如：识别出点较为密集的区域；尝试绘制4个圆，尽可能多地覆盖图上的点。一、聚类简介第19课学习内容除了距离，也可以根据不同的亮度（颜色）把星星分为4组。聚类时，由于事先并不知道要处理的数据具有什么分布特征，因而除了特征，分组数量也会对结果产生重要影响。如果要把星图中的星星分为2组，你会怎么分？二、基于聚类的智能应用第19课学习内容通过聚类，可以让原本繁乱的数据呈现出某些规律或模式。在前面的学习中，我们知道图、文、声、像等各类资源，都可以用一组数来表示其特征。这就意味着，可以按照这些特征对资源进行聚类，从而帮助我们进行判断和决策。二、基于聚类的智能应用第19课学习内容聚类辅助判断的一般过程如下图所示。第19课学习内容文献聚类整理探索任务情境研究人员刚刚挖掘出一批珍贵的古文文献，这些文献可能属于4本书，但内容混杂在一起。现在要利用人工智能将文献整理出来。任务分析提取待整理文本的特征（语义编码），然后通过聚类处理，根据特征将它们分到不同的组，从而完成整理任务。二、基于聚类的智能应用第19课学习内容处理流程提取文本特征→根据文本特征进行聚类活动过程1.启动配套资源中的《文献整理器》软件。2.单击图书列表中的选项，选中几本书。3.单击“模拟提取”按钮，模拟把不同的文献资料混杂在一起。软件会从每本书中随机提取5个章节，并打乱顺序放在一起。二、基于聚类的智能应用第19课学习内容二、基于聚类的智能应用第19课学习内容4.单击“辅助整理”按钮，模拟通过聚类整理文献的过程。软件会自动进行分词、特征提取、聚类等操作，并按照事先规定的分组数，将文献分成若干组。5.核查整理结果，看看通过聚类得到的结果是否正确。二、基于聚类的智能应用第19课学习内容聚类可以极大减少人类的重复劳动，提高工作效率。但是聚类的结果并不能保证百分百正确，只能作为人类决策的参考。二、基于聚类的智能应用第19课学习内容通过以上分析可知，聚类是一种有效的数据分析方法，能够根据数据本身的特征自动完成分组。由于这一过程不依赖人工标注数据或预设分类规则，因此属于无监督学习。无监督学习适用于结构不清晰、类别未知的数据集，在图像识别、新闻聚类和用户行为分析等实际应用场景中具有重要意义。无监督学习聚类二、基于聚类的智能应用第19课学习内容在人工智能技术不断发展的背景下，聚类算法已成为处理复杂数据的重要基础之一。它不仅提升了数据处理的效率，也为发现隐藏模式、辅助决策提供了技术支持。二、基于聚类的智能应用第19课课堂总结

1.分类是把待分类数据的数据特征与不同类别的特征进行比较，找出最相似的；聚类是按照数据自身具备的特征进行内部分组。2.聚类过程不依赖人工标注数据或预设分类规则，属于无监督学习。3.聚类算法不仅能够提升数据处理的效率，也能够为发现隐藏模式、辅助决策提供技术支持。第19课拓展与提升一位老师对全班同学的答题情况做了一次小调查，记录了每位同学因概念不清、计算出错、审题不细、方法不当或时间不足等原因导致的错题数量，并统计了答题时长及改正率。思考任务：如果要根