《机器学习Python实战》电子教案 04-2-项目3 KNN 算法实战

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 3.2.2KNN算法实战——酒的分类 3.3项目拓展3.3.1KNN算法实战——良恶性乳腺肿瘤判断授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法课内实训、任务驱动法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：学习一个算法需要看算法如何应用，大家不管是学习还工作中，都需要结合实践情况进行学习，提高解决问题的能力。知识目标：K最近邻算法处理分类任务能力目标：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教学重点理解KNN算法的关键教学难点尝试算法参数调优【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K最近邻算法的原理与用法，本节课使用K最近邻算法进行建模、对新样本的分类进行预测。【导入新课】KNN的分类思想生动形象的说明了客观环境对人的影响是很大的，特别是对青少年，所以不仅注重环境选择，更注意一定环境中人的交往。（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】教师演示教师根据课件，演示如K最近邻算法项目实战——酒的分类。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上机练习上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对本章知识掌握程度。形式：单独完成上机：使用K最近邻算法进行酒的分类请按照以下要求开始上机课：从sklearn的datasets模块载入酒的数据集打印酒的数据集中的简短描述红酒数据集中的键:dict_keys(['data','target','target_names','DESCR','feature_names'])将数据集拆分为训练数据集和测试数据集X_trainshape:(133,13)X_testshape:(45,13)y_trainshape:(133,)y_testshape:(45,)导入KNN分类模型fromsklearn.neighborsimportKNeighborsClassifier指定模型的n_neighbors参数值为1knn=KNeighborsClassifier(n_neighbors=1)用模型对数据进行拟合knn.fit(X_train,y_train)打印模型的得分测试数据集得分:0.76输入新的数据点；使用.predict进行预测预测新红酒的分类为:['class_2']【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。主要介绍如何使用K最近邻算法进行建模，并使用KNN算法解决分类问题以及预测新样本的分类。【课后安排】给学生布置随堂练习——良恶性乳腺肿瘤判断，检测学生的掌握程度，并对学生出现的问题进行解决。布