資源簡介

(共27張PPT)
《第十四課 機器學習算法初步(2)
—決策樹》
粵教版 信息技術
九年級
內容總覽
目錄
05
拓展延伸
07
板書設計
課堂總結
06
決策樹學習的應用
04
決策樹
03
教學目標
01
新知導入
02
教學目標
1、信息意識：能夠理解決策樹在數據分類和預測中的應用，能夠識別在日常生活和工作中決策樹所能發揮的作用。
2、計算思維：能夠從數據中推導出基于特征的決策規則，提高邏輯思考和推斷的能力。
3、數字化學習與創新：能夠尋找并嘗試將決策樹方法應用到不同領域的新創意，如醫療保健、金融等，以拓展創新潛力。
4、信息社會責任：能夠審視決策樹在現實世界中的局限性和可能的社會影響，培養對算法應用的批判性思維。
新知導入
決策樹導入視頻
03、決策樹
新知講解
決策樹(Decision Tree)是一種通過對歷史數據進行測算，實現對新數據進行分類和預測的算法。每棵決策樹都表述了一種樹形結構，由它的分支來對該類型的對象依靠屬性進行分類。
新知講解
如圖14-1所示，決策樹主要由三個部分組成，分別為決策節點、分支和葉子節點。其中決策樹最頂部的決策節點是根決策節點，每一個分支都有一個新的決策節點，決策節點下面是葉子節點。每個內部節點表示一個屬性的測試，每個分支代表一個測試輸出，每個葉子節點代表一種類別。整個決策的過程從根決策節點開始，由上到下，根據數據的分類在每個決策節點給出不同的結果。決策樹僅有單一輸出，若需要多個輸出，可以建立獨立的決策樹以處理不同輸出。
學習任務
如圖14-2所示是預測貸款用戶是否具有償還貸款能力的決策樹。貸款用戶主要具備三個屬性: 是否擁有房產，是否結婚和平均月收入。每一個內部節點都表示一個屬性條件判斷，最終節點表示貸款用戶是否具有償還能力。例如:用戶甲沒有房產，沒有結婚，平均月收入5000元。通過決策樹先判斷是否擁有房產，用戶甲符合右邊分支(“是否擁有房產”為“否”);再判斷是否結婚，用戶甲符合左邊分支(“是否結婚”為“否”):然后判斷平均月收入是否大于4000元，用戶甲符合左邊分支(月收入大于4000元)，該用戶落在“可以償還”的葉子節點上。所以預測用戶甲具備償還貸款能力。
學習任務
根據決策樹，完善表14-1，并做出預測。
用戶 現狀 預測結果
甲 沒有房產，沒有結婚，平均月收入5000元 具備償還貸款能力
乙 沒有房產，沒有結婚，平均月收入3500元 不具備償還貸款能力
丙 沒有房產，已經結婚，平均月收入3500元 具備償還貸款能力
丁 有房產，沒有結婚，平均月收入5000元 具備償還貸款能力
04、決策樹學習的應用
新知講解
在機器學習中，決策樹是一個預測模型，代表的是對象屬性與對象值之間的一種映射關系。從數據產生決策樹的機器學習技術叫作“決策樹學習”。決策樹學習包含特征選擇、決策樹的生成與剪枝過程。
決策樹學習算法通常采用遞歸法選擇最優特征，并用最優特征對數據集進行分割。決策樹生成時，首先構建根節點，選擇最優特征，該特征有幾種不同取值就分割為幾個子集，每個子集分別遞歸調用此方法，返回的就是上一層的子節點。直到所有特征都已經用完，或者數據集只有一維特征為止。
新知講解
在決策樹學習中，為了盡可能地正確分類訓練樣本，節點劃分過程將不斷重復，有時會造成決策樹分支過多、導致過擬合，因此可以通過主動去掉一些分支來降低過擬合的風險。剪枝的基本策略包括預剪枝和后剪枝。
使用鳶尾花數據集，調用Scikit-learn內嵌的決策樹分類器構造決策樹:
新知講解
調用Python數據可視化模塊graphviz，導出上面構造的決策樹，結果保存在文件iris.pdf中，構造的決策樹如圖14-3所示。
新知講解
圖14-3 基于鳶尾花數據集生成的決策樹。
新知講解
當我們遇到一株新的鳶尾花時，如果想知道它屬于哪個品種，可以根據如圖14-3所示的決策樹來幫助判斷。從樹的根節點來看，應該首先判斷它的花瓣長度。如果花瓣長度小于或等于2.45 cm，那么它應該屬于山鳶尾;否則，再判斷花瓣寬度是否小于等于1.75 cm，得出這一層的判斷結果后，根據分支走向以此類推，直到找到葉子節點的位置，即沒有分支再需要判斷時，葉子節點給出的類別也就是我們想要的答案。
小組討論
結合決策樹學習的應用例子，填寫表14-2。
序號 應用場景 特點
1 決策樹是什么 決策樹是一種常見的機器學習算法，它可以用于分類和回歸任務。決策樹通過創建一個類似樹狀結構的模型來學習數據特征之間的關系，并對新實例進行預測。
2 決策樹學習的應用有哪些 醫療診斷：決策樹可以用于輔助醫生進行疾病診斷或預測患者的疾病風險，根據癥狀和檢測結果進行分類。
反思評價
學而不思則罔，思而不學則殆。對自己在本課中的學習進行評價，對照表14-3，在相應的O里畫“ ”，在“其他收獲”欄里留言。
序號 學習內容 能否掌握
1 知道決策樹的概念 能 √ 不能O
2 了解決策樹學習的應用 能 √ 不能 O
其他收獲: 通過決策樹的學習，你將掌握一種新的思維方式來解決問題，尤其是與預測、分類和模式識別相關的問題。
05、知識拓展
知識拓展
1、決策樹基本思路。
知識拓展
2、如何畫決策樹。
知識拓展
3、決策樹在生活中有哪些應用？
（1）金融領域：在信用評分、欺詐檢測和風險管理等方面，決策樹可用于確定貸款申請的風險等級、異常交易并進行欺詐檢測。
（2）客戶關系管理：通過分析客戶行為特征，決策樹可以幫助企業預測客戶流失、定制營銷策略以及識別不同類型的客戶。
（3）工程領域：在工程和制造業中，決策樹可以用于故障診斷、設備維護計劃和質量控制等方面。
知識拓展
4、如何學好決策樹？
（1）理解基本概念：首先，理解決策樹的基本概念，包括樹的結構、節點（內部節點和葉子節點）、分裂標準等。這包括對信息增益、基尼不純度等指標的理解。
（2）學習算法原理：深入了解決策樹學習算法的原理和工作機制。了解如何通過遞歸地將數據集分割成較小的子集，并在每個子集上重復此過程來構建出一棵決策樹。
06、課堂總結
課堂總結
通過機器學習算法初步(2)-決策樹課程，我們深入了解了它是如何在數據集中進行分類和預測的。掌握了決策樹算法的基本原理和實際應用。我們深入了解了它的優勢和劣勢，并且知道如何在實際項目中靈活運用它。為我們未來的學習和工作打下堅實的基礎。
板書設計
機器學習算法初步(2)-決策樹
一、決策樹
二、決策樹學習的應用
課后作業
1、上網了解什么是決策樹
2、上網了解決策樹在生活中的應用
3、上網了解決策樹對生活的影響
謝謝
21世紀教育網（www.21cnjy.com)
中小學教育資源網站
兼職招聘：
https://www.21cnjy.com/recruitment/home/admin中小學教育資源及組卷應用平臺
信息技術 第十四課 機器學習算法初步(2)-決策樹
課題 機器學習算法初步(2)-決策樹 單元 第二單元 學科 信息技術 年級 九年級
教材分析 該教材旨在培養學生的信息技術素養，包括信息獲取、信息處理和信息應用等方面的知識和能力。內容涵蓋了數據的介紹以及大數據相關算法的介紹等方面，教材注重實踐操作，通過案例和實踐項目來鍛煉學生的實際操作能力。這有助于學生將所學的知識應用到實際情境中，并提升他們的問題解決能力，粵教版《信息技術》九年級教材內容全面，并結合實踐操作和案例分析，旨在培養學生的信息技術素養和實際應用能力，為他們建立堅實的信息技術基礎打下良好的基礎。
教學目標 1、信息意識：能夠理解決策樹在數據分類和預測中的應用，能夠識別在日常生活和工作中決策樹所能發揮的作用。 2、計算思維：能夠從數據中推導出基于特征的決策規則，提高邏輯思考和推斷的能力。 3、數字化學習與創新：能夠尋找并嘗試將決策樹方法應用到不同領域的新創意，如醫療保健、金融等，以拓展創新潛力。 4、信息社會責任：能夠審視決策樹在現實世界中的局限性和可能的社會影響，培養對算法應用的批判性思維。
重點 一、決策樹二、決策樹學習的應用
難點 1、決策樹學習的應用
教學過程
教學環節 教師活動 學生活動 設計意圖
導入新課 決策樹導入視頻 通過老師講解視頻的觀看以及學生之間的相互討論生活中的決策樹。 幫助學生理解決策樹概念，打開課堂。
講授新課 03 決策樹決策樹(Decision Tree)是一種通過對歷史數據進行測算，實現對新數據進行分類和預測的算法。每棵決策樹都表述了一種樹形結構，由它的分支來對該類型的對象依靠屬性進行分類。如圖14-1所示，決策樹主要由三個部分組成，分別為決策節點、分支和葉子節點。其中決策樹最頂部的決策節點是根決策節點，每一個分支都有一個新的決策節點，決策節點下面是葉子節點。每個內部節點表示一個屬性的測試，每個分支代表一個測試輸出，每個葉子節點代表一種類別。整個決策的過程從根決策節點開始，由上到下，根據數據的分類在每個決策節點給出不同的結果。決策樹僅有單一輸出，若需要多個輸出，可以建立獨立的決策樹以處理不同輸出。學習任務如圖14-2所示是預測貸款用戶是否具有償還貸款能力的決策樹。貸款用戶主要具備三個屬性: 是否擁有房產，是否結婚和平均月收入。每一個內部節點都表示一個屬性條件判斷，最終節點表示貸款用戶是否具有償還能力。例如:用戶甲沒有房產，沒有結婚，平均月收入5000元。通過決策樹先判斷是否擁有房產，用戶甲符合右邊分支(“是否擁有房產”為“否”);再判斷是否結婚，用戶甲符合左邊分支(“是否結婚”為“否”):然后判斷平均月收入是否大于4000元，用戶甲符合左邊分支(月收入大于4000元)，該用戶落在“可以償還”的葉子節點上。所以預測用戶甲具備償還貸款能力。根據決策樹，完善表14-1，并做出預測。04決策樹學習的應用在機器學習中，決策樹是一個預測模型，代表的是對象屬性與對象值之間的一種映射關系。從數據產生決策樹的機器學習技術叫作“決策樹學習”。決策樹學習包含特征選擇、決策樹的生成與剪枝過程。決策樹學習算法通常采用遞歸法選擇最優特征，并用最優特征對數據集進行分割。決策樹生成時，首先構建根節點，選擇最優特征，該特征有幾種不同取值就分割為幾個子集，每個子集分別遞歸調用此方法，返回的就是上一層的子節點。直到所有特征都已經用完，或者數據集只有一維特征為止。 在決策樹學習中，為了盡可能地正確分類訓練樣本，節點劃分過程將不斷重復，有時會造成決策樹分支過多、導致過擬合，因此可以通過主動去掉一些分支來降低過擬合的風險。剪枝的基本策略包括預剪枝和后剪枝。使用鳶尾花數據集，調用Scikit-learn內嵌的決策樹分類器構造決策樹:調用Python數據可視化模塊graphviz，導出上面構造的決策樹，結果保存在文件iris.pdf中，構造的決策樹如圖14-3所示。當我們遇到一株新的鳶尾花時，如果想知道它屬于哪個品種，可以根據如圖14-3所示的決策樹來幫助判斷。從樹的根節點來看，應該首先判斷它的花瓣長度。如果花瓣長度小于或等于2.45 cm，那么它應該屬于山鳶尾;否則，再判斷花瓣寬度是否小于等于1.75 cm，得出這一層的判斷結果后，根據分支走向以此類推，直到找到葉子節點的位置，即沒有分支再需要判斷時，葉子節點給出的類別也就是我們想要的答案。小組討論結合決策樹學習的應用例子，填寫表14-2。反思評價學而不思則罔，思而不學則殆。對自己在本課中的學習進行評價，對照表14-3，在相應的O里畫“V”，在“其他收獲”欄里留言。 05 知識拓展 1、決策樹基本思路。2、如何畫決策樹。3、決策樹在生活中有哪些應用？4、如何學好決策樹？ 學生之間互相討論在我們日常生活中如何有哪些是決策樹給我們創造便利的。 學生通過觀看視頻和聽老師講解，了解決策樹應用。學生通過觀看視頻和自我思考我們生活中如何學好決策樹。 幫助學生積極融入課堂，提高學生學習積極性。學生通過邊看邊聽的形式了解決策樹應用。讓學生通過視頻思考，進一步加深對課堂所學內容的理解。
布置作業 1、上網了解什么是決策樹2、上網了解決策樹在生活中的應用3、上網了解決策樹對生活的影響 完成作業 培養學生查閱資料的能力，分析解決問題的能力
課堂小結 通過機器學習算法初步(2)-決策樹課程，我們深入了解了它是如何在數據集中進行分類和預測的。掌握了決策樹算法的基本原理和實際應用。我們深入了解了它的優勢和劣勢，并且知道如何在實際項目中靈活運用它。為我們未來的學習和工作打下堅實的基礎。 分組總結歸納 鍛煉學生的總結能力，邏輯思維、語言表達能力。
板書 一、決策樹二、決策樹學習的應用 學習、記憶及勾畫知識點 明確教學內容及重點和難點
21世紀教育網 www.21cnjy.com 精品試卷·第 2 頁 （共 2 頁）
HYPERLINK "http://www.21cnjy.com/" 21世紀教育網(www.21cnjy.com)

展開更多......

收起↑