《机器学习Python实战》电子教案 08-1-项目6 朴素贝叶斯分类算法实战_第1页
《机器学习Python实战》电子教案 08-1-项目6 朴素贝叶斯分类算法实战_第2页
《机器学习Python实战》电子教案 08-1-项目6 朴素贝叶斯分类算法实战_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6年收入等级判断—朴素贝叶斯 6.1项目知识准备 6.1.1朴素贝叶斯原理 6.1.2贝努利朴素贝叶斯 6.1.3高斯朴素贝叶斯 6.1.4多项式朴素贝叶斯授课安排授课时数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：大家在学习的时候一定要弄清楚原理，要知其然更要知其所以然，把每个知识点弄懂，才能更好的进行应用。知识目标：贝努利、高斯、多项式朴素贝叶斯的基本原理能力目标：掌握贝努利、高斯、多项式朴素贝叶斯的用法教学重点朴素贝叶斯的基本原理教学难点不同贝叶斯模型的差异【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。上机课介绍了逻辑回归的基本原理与用法，本节课介绍贝努利、高斯、多项式朴素贝叶斯模型。【导入新课】朴素贝叶斯算法在文字识别，图像识别方向有着较为重要的作用。可以将未知的一种文字或图像，根据其已有的分类规则来进行分类，最终达到分类的目的。考虑学生的认知规律和接受特点，将算法模型与现实生活中的朴素贝叶斯算法进行应用，如文本分类，垃圾邮件的分类，信用评估，钓鱼网站检测等等。引导学生将这些思路与方法用来分析和解决现实社会中的问题，触发对人生的思考。（3）明确学习目标。朴素贝叶斯算法的三种不同方法【讲授新课】教师根据课件，介绍朴素贝叶斯基本概念。朴素贝叶斯分类器(NaiveBayesClassifier或NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。朴素贝叶斯算法假设了数据集属性之间是相互独立的，因此算法的逻辑性十分简单，并且算法较为稳定，当数据呈现不同的特点时，朴素贝叶斯的分类性能不会有太大的差异。相对于其他精心设计的更复杂的分类算法，朴素贝叶斯分类算法是学习效率和分类效果较好的分类器之一。教师根据课件，讲解朴素贝叶斯算法的不同方法。贝努利朴素贝叶斯在伯努利模型中，每个特征的取值是布尔型的，即true和false，或者1和0。如果样本特征是二元离散值或者很稀疏的多元离散值，使用BernoulliNB高斯朴素贝叶斯高斯分布就是正态分布，GaussianNB就是先验为高斯分布的朴素贝叶斯如果样本特征的分布大部分是连续值，使用GaussianNB会比较好多项式朴素贝叶斯如果如果样本特征的分大部分是多元离散值，使用MultinomialNB比较合适【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。主要介绍朴素贝叶斯的基本原理和使用。【课后安排】给学生布置随堂练习，检测学生的掌握程度，并对学生出现

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