AI 通识课 2.3 机器学习基础流程发表时间:2026-10-06 17:53 2.3 机器学习基础流程 教学重难点 重点:机器学习完整五大流程:数据采集→数据处理→划分数据集→训练模型→评估测试。 难点:理解训练集、测试集作用,过拟合简单概念。 教学过程 1. 导入:机器“学习”和人看书学习有什么相似之处? 2. 分步拆解完整流程 ①数据采集:收集任务需要的原始数据(图片、文本、表格),数据质量直接决定模型好坏。 ②数据预处理:清洗脏数据,去除错误、重复、缺失数据,标准化格式。 ③数据集划分:分为训练集(用来给机器学习)、测试集(模拟真实环境用来考试)。 关键提醒:测试集不能参与训练,相当于考试题不能提前给学生看。 ④模型训练:算法读取训练集数据,反复迭代调整参数,生成模型。 ⑤模型评估:拿测试集检验模型效果;效果不好,返回调整数据、调整算法,重新训练。 3. 拓展概念:过拟合——机器死记硬背训练集,遇到全新未知样本表现很差。类比学生背答案,没有学会真正规律。 4. 课堂练习:梳理AI识别花朵任务的完整机器学习流程。 5. 小结:机器学习不是只靠算法,数据处理、评估迭代是非常关键环节。
文章分类:
技术-教学资源
|