机器基础及学习 2

一、教案基本信息·课程名称：机器学习（Python+sklearn+TensorFlow2.0）·章节名称：第2章聚类·建议课时：4学时·教材来源：王衡军编著，清华大学出版社，2026第2版二、学情分析学生在第1章已经掌握机器学习三大范式（监督/无监督/半监督），知道聚类是无监督学习的代表任务，但对"为什么需要聚类""距离度量如何选择""如何评估聚类效果"还没有具体认识。本章是从抽象范式到具体算法的转折点，学生将从概念层面进入代码实现层面，需具备Python基础和NumPy矩阵运算能力，对K-Means等算法需通过sklearn调用先建立直觉，再深入数学推导。三、教学重点与难点【重点】聚类的定义、典型应用场景与评价指标（轮廓系数/Davies-Bouldin指数）【重点】K-Means算法原理（迭代步骤：初始化—分配—更新—收敛）与sklearn.cluster.KMeans关键参数【重点】层次聚类（AGNES/DIANA）的树状结构与linkage准则（ward/complete/average）【重点】DBSCAN密度聚类的核心概念（ε-邻域/核心点/边界点/噪声点）与参数选择【难点】K-Means对初始质心敏感的工程对策（K-Means++）与K值选择的"肘部法则"【难点】DBSCAN与K-Means的本质区别：密度vs距离，适应非凸簇的能力四、教学准备（一）硬件1.多媒体教室1间2.学生机房1间（50台PC，预装Python3.10+sklearn1.3+）（二）软件平台1.JupyterNotebook2.scikit-learn（KMeans/AgglomerativeClustering/DBSCAN）3.matplotlib/seaborn（聚类结果可视化）4.scipy.cluster.hierarchy（树状图dendrogram）（三）课件1.教学课件《机器学习-02-聚类.pptx》（71张）2.示例代码：ch02_kmeans_iris.py/ch02_dbscan_moons.py/ch02_hierarchical.py（四）学习资料1.教材《机器学习》第2版·第2章2.sklearn聚类官方文档（cluster模块）3.周志华《机器学习》第9章（聚类）五、教学方法1.讲授法：本章系统讲授聚类的4类算法（划分/层次/密度/模型），建立分类框架2.演示法：现场在Jupyter上跑通K-Means鸢尾花聚类+DBSCAN月牙形数据集演示非凸簇识别3.对比法：用同一份月牙形数据集对比K-Means与DBSCAN的聚类结果，让学生直观感受两种算法的差异4.可视化法：绘制树状图（dendrogram）展示层次聚类的合并过程5.案例法：用"用户分群""图像分割""异常检测"3个真实案例贯穿全章六、教学过程第1课时：聚类概述与评价指标·时长：45分钟教师活动：1.引入"用户分群"案例，引出聚类定义

2.讲授聚类典型应用：用户分群、图像分割、文档聚类、异常检测

3.讲解聚类评价指标：内部指标（轮廓系数SC、DBI、CH指数）和外部指标（ARI、NMI）

4.板书聚类算法分类树：划分/层次/密度/模型学生活动：1.听讲、做笔记

2.在sklearn.metrics中查找silhouette_score函数签名第2课时：K-Means聚类原理与sklearn实现·时长：50分钟（35讲授+15上机）教师活动：1.详细讲解K-Means四步迭代：初始化—分配—更新—收敛

2.演示K-Means++初始化原理（解决初始质心敏感问题）

3.演示肘部法则（elbowmethod）选择K值

4.上机：sklearn.cluster.KMeans跑通鸢尾花数据集

5.板书K-Means目标函数（簇内SSE之和）学生活动：1.听讲、推导K-Means收敛条件

2.上机：完成鸢尾花K-Means聚类+计算SC分数

3.课后作业：用K-Means对葡萄酒数据集聚类第3课时：层次聚类与密度聚类·时长：50分钟教师活动：1.讲授AGNES自底向上聚合过程+树状图解读

2.演示linkage准则（ward/complete/average/single）的差异

3.讲授DBSCAN核心概念：ε-邻域/MinPts/核心点/边界点/噪声点

4.演示DBSCAN在月牙形数据集（make_moons）上识别非凸簇的优势

5.对比K-Means/层次/DBSCAN三种算法的适用场景学生活动：1.听讲、记录三种算法的适用边界

2.上机：用DBSCAN对make_moons数据集聚类，对比K-Means结果

3.思考题：DBSCAN参数ε和MinPts如何选择？第4课时：聚类综合实战与小结·时长：45分钟（25上机+20总结）教师活动：1.综合实战：手写数字数据集（load_digits）聚类+可视化

2.课程思政：聚类在精准扶贫画像/国家人口普查分组中的应用

3.全章小结：四种聚类算法的对比表格

4.答疑+布置第3章预习（回归）学生活动：1.上机：手写数字聚类+提交代码和截图

2.听讲、完成课后延伸任务

3.预习第3章：理解回归与分类的区别七、课程思政本章思政主线为"科技为民——聚类技术在国家公共服务中的应用"。通过聚类在精准扶贫用户画像、人口普查分组、疫情风险人群识别等国家治理场景中的应用，让学生认识到：（1）机器学习技术不是象牙塔里的学术，而是能够服务国家治理现代化的重要工具；（2）聚类算法中的"公平性"问题——算法可能放大数据中已有的偏差，从业者需有伦理意识，避免对特定群体产生算法歧视；（3）以聚类在国家"东数西算"工程中的算力调度为例，讲解国产开源框架（华为MindSpore、百度PaddlePaddle）在无监督学习领域的支撑作用，激发学生投身国产AI生态的使命感。八、板书设计板书设计第二章聚类一、聚类算法分类划分（K-Means）→层次（AGNES/DIANA）密度（DBSCAN）→模型（GMM/SOM）二、K-Means四步迭代①初始化质心（K-Means++）②计算距离分配样本③更新质心（均值）④收敛判停三、聚类评价指标内部：SC（轮廓系数）/DBI/CH外部：ARI/NMI（需真实标签）四、三种聚类算法对比K-Means：球形簇/需指定K/对噪声敏感层次：树状结构/可指定簇数/计算量O(n²)DBSCAN：任意形状/不需指定K/能识别噪声九、课后延伸1.在sklearn官方文档中查找KMeans算法所有参数（n_clusters/init/n_init/max_iter/tol），写出每个参数的含义和默认值2.实现K-Means++初始化算法（不调用sklearn，自写NumPy代码），对比随机初始化与K-Means++在同一数据集上的聚类效果3.调研Scikit-learn-extra库中谱聚类（SpectralClustering）的原理与适用场景，写一段300字的技术笔记4.用DBSCAN对地理坐标数据（如某城市共享单车停放点）做异常点检测，下节课展示5分钟5.阅读周志华《机器学习》第9章关于"聚类有效性"的内容，比较SC指数与DBI指数的判别能力十、教学反思与改进1.K-Means演示环节，机房电脑偶尔出现sklearn版本不一致（有的0.24、有的1.3），下次课前应统一环境2.学生反映K值选择（肘部法则）不直观，下次可增加K=2/3/4/5的可视化对比，让学生更直观感受不同K的差异3.DBSCAN参数ε和MinPts选择对结果影响很大，但教材未深入，下次可补充k-distance图法4.课程思政案例（精准扶贫用户画像）较抽象，部分学生不易理解，下次可补充具体可下载的脱敏数据集，让学生动手做5.综合实战（手写数字聚类）效果良好，但聚类数