初中信息技术电子工业社版（2022）第五册2.3 分类与聚类精品ppt课件

这是一份初中信息技术电子工业社版（2022）第五册2.3 分类与聚类精品ppt课件，文件包含23分类与聚类课件pptx、23分类与聚类教案doc、1课前导入视频mp4等3份课件配套教学资源，其中PPT共39页， 欢迎下载使用。

1、信息意识：能够识别和评估信息的可靠性、有效性以及适用性。了解信息的定义、特征和重要性。2、计算思维：能够运用计算思维解决问题，包括分解问题、抽象问题、模式识别、算法设计等。3、数字化学习与创新：能够使用多媒体工具和应用程序进行创新性的表达、展示和分享。4、信息社会责任：具备信息安全和隐私保护的意识，并能够采取相应的措施保障个人和他人的信息安全。
1、走在大街上，分类垃圾桶随处可见，对垃圾进行正确分类能更好地节约、利用资源。数据也一样，对数据分类，能更好地利用数据，随着计算能力、存储空间、网络速度的发展，人类所积累的数据量正在快速增长，分类在数据挖掘中成为一项非常重要的任务。
2、分类是在一群已经知道类别标签的数据样本中训练一种分类器，让其能够对未知的数据进行分类。常用的分类算法有决策树和K 最近邻算法。
分类是我们生活中常做的事情。对不同的事物、不同的人，我们会以不同的标准进行分类。请同学们所示的物品分成三类并进行如下的思考。
水果还是素材：根据物品的种类，比如菠萝和胡萝卜就不是一种。
依据：物品中有些只能是水果，有些只能是蔬菜，有些两者都可以是。
数据预处理：首先，对原始数据进行预处理
1、和人类的分类过程相似，机器要完成分类任务前，需要先进行学习在人的监督下，给机器一些学习数据，这些数据都有自己的特征和属性，机器会使用相应的算法建立一个分类器，总结出分类的规律。机器学习完后，就可以使用分类器对新的物体进行分类。
为了方便打印学习资料，家里打算买一台打印机。但是打印机产品种类繁多，该如何选择呢。购物网站都有分类功能，你能通过购物网站以分类的方式，根据以下基本要求选出合适的产品吗?
1、请你依据对打印机的要求，结合助力知识，在下面的方框中构建一棵决策树。
1、决策树，顾名思义，与树的结构类似，有根、有枝、有叶，决策树的树状结构和树有所不同，它是从根部开始往下生长的，决策树的根节点位于顶层，在分类或决策时是最关键或最优先的特征要先满足根节点的条件，才能继续往下决策。
2、决策树的树枝叫内部节点，或者叫决策点，是进行分类或决策的其他特征，分布在决策树的各层。决策树的叶节点代表分类或决策的结果。叶节点出现时，就不需要继续产生内部节点进行判断。
3、机器使用决策树模型进行学习时，会从根节点开始测试其中的特征，并循着路线不断往下决策，由于每个特征判断输出的结果是互不相交的，当有新的对象进入模型时，就可以强行划分到决策的某一结果中，为它找到所属的类别。
1、在机器学习中，决策树能很好地辅助机器解决分类问题。在生活中当面临一系列的决策或判定问题时，人们可能有意或无意地使用决策树进行决策。决策树的应用在生活中很常见。例如，小明一家打算假期去旅游，小明为旅行选择航班，要按照需求将合适的航班分拣出来。
2.1、他先检查出发当天是否有航班，如果没有，就寻找其他合适日期的航班;如果有，再考虑航班是否需要转机，如果小明为了节约时间只选择直飞航班，那么接下来他应查看该航班的价格是否符合预算，如果超出预算，他应查看其他价格合适的航班小明做决策的过程就是构建决策树的过程，我们根据小明选择航班的过程画出了决策树。
2.2、航班决策树图。
1、聚类，简单地说就是将相似的事物放在一起。聚类是按照某个特定标准把一个数据集分割成不同的类,使得同一个类中的数据相似性尽可能大，同时使得不同类中的数据差异性也尽可能大。即聚类后同一类的数据尽可能聚集到一起，不同类的数据尽量分离。最经典的聚类算法是 K 最近邻算法。
2.1、我们常说，物以类聚，人以群分，判别一个人的品质和特征，常常可以从他(她)身边的朋友入手，观其友而识其人。与此类似，K 最近邻算法，也称KNN(K-Nearest Neighbr)算法。其分类方法是给要分类的新对象找几个“邻居”，根据这几个“邻居”的类别给新对象分类。
3.2、由此可以看出，当无法判定当前待分类点是从属于已知分类中的哪一类时，我们可以依据统计学的理论看它所处的位置特征，衡量它周围邻居的权重，把它归为(或分配到)权重更大的那一类，这就是 K 最近邻算法的核心思想。
1、使用聚类算法可以解决生活中的很多问题，如城市垃圾分类、商业店铺选址、网购平台推荐物品信息等.登录人工智能体验平台，打开“膳食搭配小助手”，让 AI根据你爱吃的食物类型，为你推荐其他补充食物，形成膳食平衡。
1、小明的爷爷退休后，经常去公园找棋友下棋。小明用表 2.3.1 记录了爷爷是否去公园与当天的天气情况。请同学们根据，样例完成剩余的情况。
1 决策树模型一般由( )构成
A.根节点、内部节点、子节点B.根节点、内部节点、叶节点C.根节点、叶节点、叶子节点D.节点、内部节点、子节点
2 K 最近邻算法中，在K值确定的情况下，判断新数据属于哪一类，依据是( )。
A.K值的大小B.以新数据为圆心、K值为半径的圆内，原始数据数量的多少C.与K值无关D.随机选择
3.在网上购物时，为了快速地找到合适的物品，一般需要考虑品牌、款式、功能、价格等因素。确定一个你想购买的物品，参考购物网站提供的物品分类，画出购物过程的流程图：
通过学习分类与聚类算法这节课，为我们解决各种问题提供了强大的工具。掌握这些算法的原理、优缺点以及应用场景，能够帮助我们在实际问题中做出更准确和有效的决策。通过实践和进一步学习，我们将能够更好地应用这些算法来解决真实世界中的挑战。