《机器学习Python实战》电子教案 01-1-项目1 机器学习认知

武汉软件工程职业学院教案（理论教学首页）（第1页）教案（理实一体化课）武汉软件工程职业学院教案（附页）（第NUMPAGES4页）课程名称机器学习授课内容项目1机器学习认知 1.1项目知识准备 1.1.1什么是机器学习 1.1.2机器学习的应用场景 1.1.3机器学习的流程 1.1.4机器学习的分类 1.1.5过拟合和欠拟合 1.1.6衡量机器学习模型的指标 授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法讲授、问题式教学法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：机器学习分为有监督学习和无监督学习，同学们在学习过程中也要注意如何在没有监督的情况下学习，要培养自律精神。在学习过程中也要注意过拟合和欠拟合，不要总去研究过难并且没有多大实际意义的内容，对于重要的知识点要多花时间弄懂弄透。知识目标：1.掌握机器学习的流程2.掌握机器学习的分类3.理解过拟合和欠拟合4.了解衡量机器学习模型的指标能力目标：理解并掌握机器学习领域的术语教学重点机器学习中的分类与回归教学难点有监督学习与无监督学习；模型的泛化、过拟合与欠拟合【课前安排】查看教程目录，大致了解本门课程的内容。【导入新课】教师根据课件，讲述机器学习的诞生与发展。在计算机系统中，经验通常以数据的形式存在。为了能够自动地从经验中提取出学习算法，需要获得过去大量的邮件实例作为数据。从实例数据中学习出垃圾邮件的模型，以此作为判断的依据。【讲授新课】（1）教师根据课件，介绍机器学习概述。机器学习（MachineLearning）是计算机程序随着经验积累自动提高性能或系统自我改进的过程，即通过经验提高性能的某类程序。机器学习通常需要一定的算法，依据特定的指令序列，将输入变换得到输出，然而，对于现实中的很多任务，我们并没有确定的算法，我们希望计算机自动地为学习任务提取相应的算法。（2）教师根据课件，介绍机器学习所研究的主要内容。机器学习所研究的主要内容，是如何在计算机上从数据中产生模型的算法，即学习算法。机器学习是研究学习算法的学问，机器学习的过程是从大量数据中自动地寻找有用模型的过程。本课程内容比较抽象，理解上有一定难度，鼓励学生要敢于面对困难，要有战胜困难的勇气与智慧。（3）明确学习目标。要求学生了解机器学习中的分类与回归要求学生理解有监督学习与无监督学习要求学生理解模型的泛化、过拟合与欠拟合进行重点知识的讲解教师根据课件，讲解机器学习的基本术语。机器学习的方法试图从数据中寻找特定的模型，这种从数据中学得模型的过程称为学习（Learning）或训练（Training）。如果希望预测的结果是离散值，此类学习任务称为分类（Classification）；如果希望预测的结果是连续值，此类学习任务称为回归（Regression）。教师根据课件，讲解有监督学习与无监督学习。依据训练数据是否拥有标记信息，机器学习任务可大致划分为监督学习（SupervisedLearning）和无监督学习（UnsupervisedLearning）两大类。教师根据课件，讲解模型的泛化、过拟合与欠拟合。学习得到的模型适用于新样本的能力称为泛化（Generalization）能力。过拟合：对于一个假设，当存在其他的假设对训练样例的拟合比它差，但事实上在包含训练集合以外的实例的整个分布上表现得却更好时，说这个假设过度拟合训练样例；在模型在训练集上表现的非常优秀，可以有效的区分每一个样本。但是在测试集上则表现的十分糟糕。欠拟合，是指学习器对训练样本的一般性质尚未学好；所训练的模型在训练集中表现的就很差，既准确度很低。【课堂小结】回顾上课前的学习目标，对本节课知识点进行总结。提问讲解的知识点，对存在问题进行讲解。带领学生回顾机器学习的应用场景；有监督学习与无监督学习、分类、回归、泛