2/8課題名稱貝葉斯分類器與人工神經網絡授課類型理實一體授課對象授課課時所授課程授課地點所授教材一、學情分析本課程授課對象為高職各專業大一學生，課程開設在大一第2學期，學生在知識儲備、學習特點和信息素養的情況如下：1.知識與技能儲備學生進一步理解了機器學習的基本原理，了解了決策樹算法，對機器學習算法開發流程有了進一步認識2.學習特點授課對象在學習方面表現出如下特點：（1）喜歡情境設定，厭煩平淡無奇的說教；（2）樂于接受可視化教學資源，反感靜態紙質學習材料；（3）具有較強的求知欲，希望了解一些具體的機器學習算法。3.信息素養學生具備了基礎的信息技術學科素養，二、教學內容1.知識目標2.能力目標3.素養目標1.教學重點八、教學環節教學環節教學內容教學活動策略與意圖環節一課程回顧與學習目標(5分鐘)【問題導入】決策樹算法開發流程是什么？【學習目標】教師活動1.提出問題，回顧以前所學內容2.介紹本單元的學習目標學生活動2.思考記錄1.問題教學法：復習決策樹算法開發流程，為本次課程做好鋪墊2.講授教學法：介紹學習目標，使學生明確本次課的要求教學環節教學內容教學活動策略與意圖環節二學習貝葉斯分類器(20分鐘)1.概率隨機事件出現的可能性大小，表示為P（A）。例：根據案例訓練集數據計算學習狀態為好的概率。P2.概率分布隨機變量取值的概率規律，即隨機變量各種可能結果發生的概率。3.條件概率條件概率是指事件A在另外一個事件B已經發生條件下的發生概率，表示為P（A|B）。例：根據案例訓練集數據計算學習狀態為“好”條件下考試成績良好的可能性。P4.機器學習模型的概率表示模型f(x)是一個有關概率分布的函數，它在觀測到輸入數據x的條件下，會輸出最有可能的y，數學表示為f例：對于案例訓練集數據中的學習狀態判斷問題，已知一個學生考試成績良好，能按時完成作業，課上注意力一般，出勤率低，需要判斷其學習狀態。該問題可表達為以下形式并選取其中較大者的學習狀態作為判斷結果。P(學習狀態=好|(考試成績=良好，作業完成情況=按時完成，課上注意力=一般，出勤率=低))P(學習狀態=差|(考試成績=良好，作業完成情況=按時完成，課上注意力=一般，出勤率=低))5.貝葉斯定理P6.貝葉斯分類器f7.樸素貝葉斯分類器fx教師活動學生活動1.案例分析法：學習狀態預測問題案例是貫穿貝葉斯分類器始終的案例，通過此案例，可以幫助學生具體理解葉斯分類器算法2.結合案例講解貝葉斯分類器中的基本概念3.概率、概率分布、條件概率等基本概念講解要為后面的內容做好鋪墊4.推演模型的概率表示到樸素貝葉斯分類器，使學生理解前后的邏輯關系教學環節教學內容教學活動策略與意圖環節三樸素貝葉斯分類器計算示例(15分鐘)樸素貝葉斯分類器應用舉例例：以案例訓練樣本集合，判斷一個考試成績良好、能按時完成作業、課上注意力一般、出勤率低的學生的學習狀態。解：1．計算學習狀態為“好”條件下的各項概率估計值PPPPP根據樸素貝葉斯公式，可以得到P(學習狀態=2.計算學習狀態為“差”條件下的各項概率估計值。P學習狀態=差=PPP根據樸素貝葉斯公式，可以得到P(學習狀態結論：比較以上兩個計算結果，學習狀態好的計算結果更大，因此判定該學生的學習狀態為好。教師活動1.布置任務：以案例訓練樣本集合，判斷一個考試成績良好、能按時完成作業、課上注意力一般、出勤率低的學生的學習狀態2.提示完成任務的具體方法3.點評學生完成任務情況學生活動任務驅動法：通過學生自己動手完成任務，使學生進一步理解樸素貝葉斯分類器的算法教學環節教學內容教學活動策略與意圖環節四學習神經元(25分鐘)1.神經元結構2.神經元基本原理（1）線性變換u（2）常用的激活函數（3）神經元數學模型y（4）神經元工作原理教師活動1.運用圖示講解神經元結構2.運用圖示講解神經元基本原理學生活動2.積極思考3.思考記錄講授法：通過圖示講授神經元，使學生能夠具體形象地了解神經元結構及其工作原理教學環節教學內容教學活動策略與意圖環節五學習前饋神經網絡結構(15分鐘)1.前饋神經網絡結構2.前饋神經網絡的訓練教師活動1.運用圖示講解前饋神經網絡結構2.運用圖示講解前饋神經網絡的訓練過程學生活動講授法：通過圖示講授前饋神經網絡，使學生能夠具體形象地了解前饋神經網絡結構及其訓練過程教學環節教學內容教學活動策略與意圖環節六