九年級信息科技浙教版（2023）第11課 預(yù)測模型構(gòu)建

第11課預(yù)測模型構(gòu)建浙教版九年級上冊教學(xué)目標(biāo)實(shí)踐意識：培養(yǎng)學(xué)生主動(dòng)收集和整理數(shù)據(jù)集的能力，了解數(shù)據(jù)來源和選擇的重要性。教授學(xué)生如何篩選、清洗和預(yù)處理數(shù)據(jù)，為建立預(yù)測模型做好數(shù)據(jù)準(zhǔn)備。引導(dǎo)學(xué)生學(xué)習(xí)如何使用表格數(shù)據(jù)建立預(yù)測模型，并理解不同預(yù)測模型的優(yōu)缺點(diǎn)。通過案例分析和實(shí)際操作，讓學(xué)生體驗(yàn)從數(shù)據(jù)到模型的過程，培養(yǎng)其實(shí)踐操作能力。教學(xué)目標(biāo)社會(huì)責(zé)任：引導(dǎo)學(xué)生探討人工智能預(yù)測技術(shù)的倫理問題，如數(shù)據(jù)隱私、算法偏見等。強(qiáng)調(diào)在使用智能預(yù)測技術(shù)時(shí)，要尊重用戶隱私和數(shù)據(jù)安全。討論智能預(yù)測技術(shù)可能帶來的好處，如提高出行效率、減少擁堵等，以及潛在的問題，如過度依賴技術(shù)、信息誤導(dǎo)等。鼓勵(lì)學(xué)生參與相關(guān)的社會(huì)項(xiàng)目或志愿活動(dòng)，將所學(xué)的智能預(yù)測技術(shù)應(yīng)用于實(shí)際問題解決中。新知導(dǎo)入上節(jié)課我們了解了預(yù)測的概念，也知道了人工智能預(yù)測的應(yīng)用。今天，我們來學(xué)習(xí)如何構(gòu)建預(yù)測模型。首先，我們通過一個(gè)Excel的教學(xué)視頻了解以下如何使用Excel完成銷售成績的預(yù)測吧！新知導(dǎo)入新知導(dǎo)入你是如何根據(jù)一些環(huán)境數(shù)據(jù)(雨量、溫度、距離等)制訂出行計(jì)劃的?你覺得人工智能能幫忙做哪些預(yù)測?新知導(dǎo)入我們熟悉的語音識別和圖像識別在應(yīng)用中存在以下安全隱患：當(dāng)根據(jù)環(huán)境數(shù)據(jù)如雨量、溫度、距離等制訂出行計(jì)劃時(shí)，可以遵循以下步驟01數(shù)據(jù)收集02數(shù)據(jù)分析03行程規(guī)劃04備選方案制定05實(shí)時(shí)調(diào)整新知導(dǎo)入我們熟悉的語音識別和圖像識別在應(yīng)用中存在以下安全隱患：人工智能在許多領(lǐng)域都能進(jìn)行預(yù)測，包括但不限于以下幾個(gè)方面：0203·04醫(yī)療預(yù)測交通預(yù)測人口預(yù)測0105自然災(zāi)害預(yù)測市場營銷預(yù)測新知講解相關(guān)知識預(yù)測預(yù)測模型雨量(0-6)溫度(攝氏度)距離(千米)出行方式0201063023420500402010005新知講解智能預(yù)測出行是利用機(jī)器學(xué)習(xí)等技術(shù)，對出行行為進(jìn)行預(yù)測和規(guī)劃。通過收集雨量、溫度和距離等數(shù)據(jù)，整理成數(shù)據(jù)集，再利用機(jī)器學(xué)習(xí)對這些數(shù)據(jù)進(jìn)行訓(xùn)練，建立預(yù)測模型，用于預(yù)測出行方式或出行時(shí)間。新知講解構(gòu)建數(shù)據(jù)集可以先確定數(shù)據(jù)采集方式、數(shù)據(jù)格式、數(shù)據(jù)范圍、采樣頻率等信息，再標(biāo)注、存儲(chǔ)和管理數(shù)據(jù)。最終得到的數(shù)據(jù)集可以用于各種數(shù)據(jù)分析和機(jī)器學(xué)習(xí)任務(wù)。對已采集整理的數(shù)據(jù)進(jìn)行量化，如雨量由小到大，可以用0-6之間的數(shù)字表示，0為晴天，6為特大暴雨;溫度就采用攝氏溫度值出行距離就用距離值即可。出行方式可以列出幾種:步行、自行車、自駕出租車、火車、飛機(jī)，依次用0、1、2、3、4、5來表示，如表12-1。雨量溫度、出行距離為影響因素，輸出的是實(shí)際出行方式。一、構(gòu)建數(shù)據(jù)集新知講解一、構(gòu)建數(shù)據(jù)集表12-1出行數(shù)據(jù)集雨量(0-6)溫度(攝氏度)距離(千米)出行方式0201063023420500402010005

人們通過經(jīng)驗(yàn)總結(jié)出了規(guī)律:綜合考慮雨量、溫度、出行距離，可以預(yù)測出合理的出行方式。親身體驗(yàn)設(shè)計(jì)調(diào)研問卷，對收集到的有關(guān)出行數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，使用合適工具，初步建構(gòu)數(shù)據(jù)集。新知講解將數(shù)據(jù)集導(dǎo)人已構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)優(yōu)化參數(shù)得到訓(xùn)練后的模型模型讀人新的樣本特征數(shù)據(jù)，輸出出行方式。二、神經(jīng)網(wǎng)絡(luò)分類模型新知講解

準(zhǔn)備數(shù)據(jù):采集大量“特征/標(biāo)簽”數(shù)據(jù)

搭建網(wǎng)絡(luò):搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

優(yōu)化參數(shù):訓(xùn)練網(wǎng)絡(luò)獲取最佳參數(shù)

應(yīng)用網(wǎng)絡(luò):將網(wǎng)絡(luò)保存為模型，輸入新數(shù)據(jù)，輸出分類或預(yù)測結(jié)果二、神經(jīng)網(wǎng)絡(luò)分類模型圖12-1神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型新知講解我們按照上面的方式收集好樣本數(shù)據(jù)后，進(jìn)行訓(xùn)練，訓(xùn)練結(jié)束后，就可以對出行方式進(jìn)行預(yù)測了。我們可以輸入一個(gè)(雨量、溫度、距離)的數(shù)值，返回一個(gè)出行方式的預(yù)測結(jié)果，每種出行方式有一個(gè)置信度比例。二、神經(jīng)網(wǎng)絡(luò)分類模型日積月累表格數(shù)據(jù)預(yù)測模型，根據(jù)預(yù)測數(shù)據(jù)的不同，可以分為如下幾種類型:回歸，二分類，多分類，新知講解三、人工智能預(yù)測出行時(shí)間使用電子地圖查詢你要去的地點(diǎn)的時(shí)候，它會(huì)告訴你采用不同的交通方式所需要的時(shí)間。那么它是怎么做到的呢?又有多準(zhǔn)確呢?其實(shí)通過人工智能我們也可以自己做一個(gè)這樣的出行時(shí)間預(yù)測。跟上面的案例一樣，通過人工智能進(jìn)行預(yù)測，也要采集樣本數(shù)據(jù)進(jìn)行訓(xùn)練。很關(guān)鍵的一點(diǎn)就是要確定好影響因子有哪些。新知講解三、人工智能預(yù)測出行時(shí)間對于預(yù)測出行時(shí)間來說，影響因子一般有:日期、時(shí)間、出行方式、天氣、路況等。比如同樣是從公司打車回家，工作日跟周末，早上和晚上，晴天和雨天所用的時(shí)間都不一樣。對影響因子進(jìn)行合理的分析量化后，就可以去采集樣本數(shù)據(jù)進(jìn)行訓(xùn)練并預(yù)測了。隨堂練習(xí)智能預(yù)測出行的實(shí)現(xiàn)過程包括哪些步驟?隨堂練習(xí)智能預(yù)測出行的實(shí)現(xiàn)過程涉及數(shù)據(jù)收集、預(yù)處理、特征提取、模型選擇與訓(xùn)練、模型評估與優(yōu)化、實(shí)時(shí)預(yù)測以及結(jié)果輸出與反饋等多個(gè)步驟。這些步驟共同構(gòu)成了智能預(yù)測出行的完整流程。拓展延伸想象一下，你有一個(gè)智能預(yù)測小助手，它可以根據(jù)你過去的行為來預(yù)測你未來的需求，并提前為你做好準(zhǔn)備。1.設(shè)定場景：小明每天早上去學(xué)校前都會(huì)喝一杯牛奶。他的智能冰箱注意到了這個(gè)習(xí)慣。2.數(shù)據(jù)收集：每次小明從冰箱里拿牛奶，智能冰箱都會(huì)記錄下來。幾天后，它收集到了足夠的數(shù)據(jù)：小明每天早上7點(diǎn)都會(huì)喝一杯牛奶。3.特征提?。褐悄鼙鋸臄?shù)據(jù)中提取出一個(gè)關(guān)鍵特征：早上7點(diǎn)，小明需要牛奶。拓展延伸4.模型訓(xùn)練：智能冰箱基于這個(gè)特征訓(xùn)練了一個(gè)簡單的模型：當(dāng)時(shí)間是早上7點(diǎn)時(shí)，自動(dòng)為小明準(zhǔn)備好一杯牛奶。5.實(shí)時(shí)預(yù)測與結(jié)果輸出：第二天早上，當(dāng)時(shí)間到達(dá)7點(diǎn)時(shí)，智能冰箱自動(dòng)為小明準(zhǔn)備好了牛奶。小明走到冰箱前，發(fā)現(xiàn)牛奶已經(jīng)準(zhǔn)備好了，他很高興。6.反饋與調(diào)整：小明告訴智能冰箱，他有時(shí)早上也想喝果汁。智能冰箱記錄下這個(gè)新的信息，并調(diào)整它的模型：當(dāng)時(shí)間是早上7點(diǎn)且小明選擇喝果汁時(shí)，為他準(zhǔn)備好果汁。拓展延伸結(jié)論：通過這個(gè)簡單的例子，我們可以看到智能預(yù)測是如何工作的。它收集數(shù)據(jù)，從中提取特征，訓(xùn)練模型，然后進(jìn)行實(shí)時(shí)預(yù)測，并根據(jù)用戶的反饋進(jìn)行調(diào)整。這就是智能預(yù)測構(gòu)建的基本流程。課堂總結(jié)本堂課主要介紹了如何通過構(gòu)建數(shù)據(jù)集、應(yīng)用神經(jīng)分類模型來實(shí)現(xiàn)人工智能對出行時(shí)間的預(yù)測。首先，我們學(xué)習(xí)了如何收集、整理和預(yù)處理相關(guān)數(shù)據(jù)，這是構(gòu)建有效預(yù)測模型的基礎(chǔ)。接著，通過神經(jīng)分類模型的介紹，我們理解了如何利用這些數(shù)據(jù)進(jìn)行學(xué)習(xí)和預(yù)測。課堂總結(jié)最后，通過實(shí)例演示，我們看到了人工智能如何基于歷