《机器学习Python实战》电子教案 06-2-项目4 线性回归预测模型构建

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4波士顿房价预测——基于线性回归 4.3项目拓展——糖尿病患者病情预测授课安排授课时数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：线性回归在实际中应用很广，可以用于疾病的预测，可以提前了解病人未来的得病情况，提前预防知识目标：掌握线性回归、岭回归、套索回归的特性和参数调节能力目标：使用线性回归模型进行值的预测教学重点能够根据具体应用情境明确问题定义教学难点能够调用线性模型解决回归问题，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。上节课介绍了岭回归和套索回归的原理与用法，本节课使用线性回归算法进行建模、对新样本的值进行预测。【导入新课】选择学生感兴趣的实际问题，吸引学生积极参与，引导学生的正确价值取向。（3）明确学习目标。线性回归算法的用法线性回归算法项目实战【讲授新课】教师演示教师根据课件，演示如线性回归算法项目实战——糖尿病患者病情预测。对数据集进行分析生成训练数据集和测试数据集使用线性回归进行建模使用模型对新样本的值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：使用线性回归算法进行房价预测请按照以下要求开始上机课：1.导入boston数据集fromsklearn.datasetsimportload_bostonboston=load_boston()X=boston['data']#数据样本y=boston['target']#目标变量2.将数据集划分为训练集和测试集fromsklearn.model_selectionimporttrain_test_splitX_train,X_test,y_train,y_test=train_test_split(X,y,random_state=8)3.使用线性回归算法进行建模并训练模型fromsklearn.linear_modelimportLinearRegressionreg=LinearRegression()#建立线性回归模型对象reg.fit(X_train,y_train)#训练模型4.测试模型进行数据预测和评分#预测测试集结果y_pred=reg.predict(X_test)print("测试集得分：{:.2f}".format(reg.score(X_test,y_test)))测试集得分：0.725.绘制折线图对比预测值和真实值【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。主要介绍如何使用线性回归算法进行建模，并使用线性回归解决回归问题以及预测新样本的值。【课后安排】给学生布置随堂练习——使用线性回归算法进行房价预测，检测学生的掌握程度，并对学生出现的问题进行解决。布