《机器学习Python实战》电子教案 04-1-项目3 KNN 算法实战_第1页
《机器学习Python实战》电子教案 04-1-项目3 KNN 算法实战_第2页
《机器学习Python实战》电子教案 04-1-项目3 KNN 算法实战_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

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3酒的分类——基于KNN算法 3.1项目知识准备 3.1.1KNN算法的原理 3.1.2KNN算法的流程 3.1.3KNN算法的关键 3.2项目实训 3.2.1KNN算法完成分类任务授课安排授课时数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：knn算法比较容易理解，大家在学习的时候注意一定要从易到难，学习要讲究循序渐进，打好基础，才能更好的学习后面的知识，万丈高楼平地起。知识目标：K最近邻算法的原理与用法能力目标：使用K最近邻算法处理多元分类任务教学重点掌握K最近邻算法的原理与流程教学难点使用KNN算法解决分类问题【课前安排】（1）教师对学生们的疑问进行统一答疑。（2）回顾总结上节课内容，继续介绍本课时的内容。上节课介绍了数据集拆分、标准化和降维处理，本节课介绍K最近邻算法。【导入新课】KNN原理如“近朱者赤，近墨者黑”，晋朝文学家和哲学家傅玄在《太子少傅箴》中指出：“近朱者赤，近墨者黑；声和则响清，形正则影直。”告诉人们一个人生活在好的环境里受到好的影响，生活在坏的环境里也会受到坏的影响，强调环境对人的影响。（3）明确学习目标。K最近邻算法的原理K最近邻算法的用法K最近邻算法项目实战【讲授新课】教师根据课件，介绍最近邻算法的原理。KNN（K-NearestNeighbor）法即K最邻近法，最初由Cover和Hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路非常简单直观：如果一个样本在特征空间中的K个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。K最近邻算法是分类算法比较基础的算法，它易于理解。核心思想就是距离的比较，离谁越近，就被归类于谁。教师根据课件，讲解K最近邻算法的用法。K最近邻的核心数学知识，就是距离的计算和权重的计算。我们把需要预测的点作为中心点，然后和它周围的一定半径内的已知点计算距离，挑选前k个点，进行投票。再k个点中，哪个类别的点多，该预测点就被判定属于哪一类。这就是k最近邻分类中k的意思。k值的确定可以通过设置不同的k值，然后比较不同k值对应的最后的分类的正确率来确定。K最近邻算法在分类任务中的应用K最近邻算法处理多元分类任务K最近邻算法用于回归分析教师根据课件，演示如K最近邻算法项目实战——完成分类任务。对数据集进行分析生成训练数据集和测试数据集使用K最近邻算法进行建模使用模型对新样本的分类进行预测【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。主要介绍K最近邻算法的原理与用法，以及如何使用K最近邻算法进行建模。【课后安排】给学

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论