(共27张PPT)
《第十四课 机器学习算法初步(2)
—决策树》
粤教版 信息技术
九年级
内容总览
目录
05
拓展延伸
07
板书设计
课堂总结
06
决策树学习的应用
04
决策树
03
教学目标
01
新知导入
02
教学目标
1、信息意识：能够理解决策树在数据分类和预测中的应用，能够识别在日常生活和工作中决策树所能发挥的作用。
2、计算思维：能够从数据中推导出基于特征的决策规则，提高逻辑思考和推断的能力。
3、数字化学习与创新：能够寻找并尝试将决策树方法应用到不同领域的新创意，如医疗保健、金融等，以拓展创新潜力。
4、信息社会责任：能够审视决策树在现实世界中的局限性和可能的社会影响，培养对算法应用的批判性思维。
新知导入
决策树导入视频
03、决策树
新知讲解
决策树(Decision Tree)是一种通过对历史数据进行测算，实现对新数据进行分类和预测的算法。每棵决策树都表述了一种树形结构，由它的分支来对该类型的对象依靠属性进行分类。
新知讲解
如图14-1所示，决策树主要由三个部分组成，分别为决策节点、分支和叶子节点。其中决策树最顶部的决策节点是根决策节点，每一个分支都有一个新的决策节点，决策节点下面是叶子节点。每个内部节点表示一个属性的测试，每个分支代表一个测试输出，每个叶子节点代表一种类别。整个决策的过程从根决策节点开始，由上到下，根据数据的分类在每个决策节点给出不同的结果。决策树仅有单一输出，若需要多个输出，可以建立独立的决策树以处理不同输出。
学习任务
如图14-2所示是预测贷款用户是否具有偿还贷款能力的决策树。贷款用户主要具备三个属性: 是否拥有房产，是否结婚和平均月收入。每一个内部节点都表示一个属性条件判断，最终节点表示贷款用户是否具有偿还能力。例如:用户甲没有房产，没有结婚，平均月收入5000元。通过决策树先判断是否拥有房产，用户甲符合右边分支(“是否拥有房产”为“否”);再判断是否结婚，用户甲符合左边分支(“是否结婚”为“否”):然后判断平均月收入是否大于4000元，用户甲符合左边分支(月收入大于4000元)，该用户落在“可以偿还”的叶子节点上。所以预测用户甲具备偿还贷款能力。
学习任务
根据决策树，完善表14-1，并做出预测。
用户 现状 预测结果
甲 没有房产，没有结婚，平均月收入5000元 具备偿还贷款能力
乙 没有房产，没有结婚，平均月收入3500元 不具备偿还贷款能力
丙 没有房产，已经结婚，平均月收入3500元 具备偿还贷款能力
丁 有房产，没有结婚，平均月收入5000元 具备偿还贷款能力
04、决策树学习的应用
新知讲解
在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。从数据产生决策树的机器学习技术叫作“决策树学习”。决策树学习包含特征选择、决策树的生成与剪枝过程。
决策树学习算法通常采用递归法选择最优特征，并用最优特征对数据集进行分割。决策树生成时，首先构建根节点，选择最优特征，该特征有几种不同取值就分割为几个子集，每个子集分别递归调用此方法，返回的就是上一层的子节点。直到所有特征都已经用完，或者数据集只有一维特征为止。
新知讲解
在决策树学习中，为了尽可能地正确分类训练样本，节点划分过程将不断重复，有时会造成决策树分支过多、导致过拟合，因此可以通过主动去掉一些分支来降低过拟合的风险。剪枝的基本策略包括预剪枝和后剪枝。
使用鸢尾花数据集，调用Scikit-learn内嵌的决策树分类器构造决策树:
新知讲解
调用Python数据可视化模块graphviz，导出上面构造的决策树，结果保存在文件iris.pdf中，构造的决策树如图14-3所示。
新知讲解
图14-3 基于鸢尾花数据集生成的决策树。
新知讲解
当我们遇到一株新的鸢尾花时，如果想知道它属于哪个品种，可以根据如图14-3所示的决策树来帮助判断。从树的根节点来看，应该首先判断它的花瓣长度。如果花瓣长度小于或等于2.45 cm，那么它应该属于山鸢尾;否则，再判断花瓣宽度是否小于等于1.75 cm，得出这一层的判断结果后，根据分支走向以此类推，直到找到叶子节点的位置，即没有分支再需要判断时，叶子节点给出的类别也就是我们想要的答案。
小组讨论
结合决策树学习的应用例子，填写表14-2。
序号 应用场景 特点
1 决策树是什么 决策树是一种常见的机器学习算法，它可以用于分类和回归任务。决策树通过创建一个类似树状结构的模型来学习数据特征之间的关系，并对新实例进行预测。
2 决策树学习的应用有哪些 医疗诊断：决策树可以用于辅助医生进行疾病诊断或预测患者的疾病风险，根据症状和检测结果进行分类。
反思评价
学而不思则罔，思而不学则殆。对自己在本课中的学习进行评价，对照表14-3，在相应的O里画“ ”，在“其他收获”栏里留言。
序号 学习内容 能否掌握
1 知道决策树的概念 能 √ 不能O
2 了解决策树学习的应用 能 √ 不能 O
其他收获: 通过决策树的学习，你将掌握一种新的思维方式来解决问题，尤其是与预测、分类和模式识别相关的问题。
05、知识拓展
知识拓展
1、决策树基本思路。
知识拓展
2、如何画决策树。
知识拓展
3、决策树在生活中有哪些应用？
（1）金融领域：在信用评分、欺诈检测和风险管理等方面，决策树可用于确定贷款申请的风险等级、异常交易并进行欺诈检测。
（2）客户关系管理：通过分析客户行为特征，决策树可以帮助企业预测客户流失、定制营销策略以及识别不同类型的客户。
（3）工程领域：在工程和制造业中，决策树可以用于故障诊断、设备维护计划和质量控制等方面。
知识拓展
4、如何学好决策树？
（1）理解基本概念：首先，理解决策树的基本概念，包括树的结构、节点（内部节点和叶子节点）、分裂标准等。这包括对信息增益、基尼不纯度等指标的理解。
（2）学习算法原理：深入了解决策树学习算法的原理和工作机制。了解如何通过递归地将数据集分割成较小的子集，并在每个子集上重复此过程来构建出一棵决策树。
06、课堂总结
课堂总结
通过机器学习算法初步(2)-决策树课程，我们深入了解了它是如何在数据集中进行分类和预测的。掌握了决策树算法的基本原理和实际应用。我们深入了解了它的优势和劣势，并且知道如何在实际项目中灵活运用它。为我们未来的学习和工作打下坚实的基础。
板书设计
机器学习算法初步(2)-决策树
一、决策树
二、决策树学习的应用
课后作业
1、上网了解什么是决策树
2、上网了解决策树在生活中的应用
3、上网了解决策树对生活的影响
谢谢
21世纪教育网（www.21cnjy.com)
中小学教育资源网站
兼职招聘：
https://www.21cnjy.com/recruitment/home/admin中小学教育资源及组卷应用平台
信息技术 第十四课 机器学习算法初步(2)-决策树
课题 机器学习算法初步(2)-决策树 单元 第二单元 学科 信息技术 年级 九年级
教材分析 该教材旨在培养学生的信息技术素养，包括信息获取、信息处理和信息应用等方面的知识和能力。内容涵盖了数据的介绍以及大数据相关算法的介绍等方面，教材注重实践操作，通过案例和实践项目来锻炼学生的实际操作能力。这有助于学生将所学的知识应用到实际情境中，并提升他们的问题解决能力，粤教版《信息技术》九年级教材内容全面，并结合实践操作和案例分析，旨在培养学生的信息技术素养和实际应用能力，为他们建立坚实的信息技术基础打下良好的基础。
教学目标 1、信息意识：能够理解决策树在数据分类和预测中的应用，能够识别在日常生活和工作中决策树所能发挥的作用。 2、计算思维：能够从数据中推导出基于特征的决策规则，提高逻辑思考和推断的能力。 3、数字化学习与创新：能够寻找并尝试将决策树方法应用到不同领域的新创意，如医疗保健、金融等，以拓展创新潜力。 4、信息社会责任：能够审视决策树在现实世界中的局限性和可能的社会影响，培养对算法应用的批判性思维。
重点 一、决策树二、决策树学习的应用
难点 1、决策树学习的应用
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 决策树导入视频 通过老师讲解视频的观看以及学生之间的相互讨论生活中的决策树。 帮助学生理解决策树概念，打开课堂。
讲授新课 03 决策树决策树(Decision Tree)是一种通过对历史数据进行测算，实现对新数据进行分类和预测的算法。每棵决策树都表述了一种树形结构，由它的分支来对该类型的对象依靠属性进行分类。如图14-1所示，决策树主要由三个部分组成，分别为决策节点、分支和叶子节点。其中决策树最顶部的决策节点是根决策节点，每一个分支都有一个新的决策节点，决策节点下面是叶子节点。每个内部节点表示一个属性的测试，每个分支代表一个测试输出，每个叶子节点代表一种类别。整个决策的过程从根决策节点开始，由上到下，根据数据的分类在每个决策节点给出不同的结果。决策树仅有单一输出，若需要多个输出，可以建立独立的决策树以处理不同输出。学习任务如图14-2所示是预测贷款用户是否具有偿还贷款能力的决策树。贷款用户主要具备三个属性: 是否拥有房产，是否结婚和平均月收入。每一个内部节点都表示一个属性条件判断，最终节点表示贷款用户是否具有偿还能力。例如:用户甲没有房产，没有结婚，平均月收入5000元。通过决策树先判断是否拥有房产，用户甲符合右边分支(“是否拥有房产”为“否”);再判断是否结婚，用户甲符合左边分支(“是否结婚”为“否”):然后判断平均月收入是否大于4000元，用户甲符合左边分支(月收入大于4000元)，该用户落在“可以偿还”的叶子节点上。所以预测用户甲具备偿还贷款能力。根据决策树，完善表14-1，并做出预测。04决策树学习的应用在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。从数据产生决策树的机器学习技术叫作“决策树学习”。决策树学习包含特征选择、决策树的生成与剪枝过程。决策树学习算法通常采用递归法选择最优特征，并用最优特征对数据集进行分割。决策树生成时，首先构建根节点，选择最优特征，该特征有几种不同取值就分割为几个子集，每个子集分别递归调用此方法，返回的就是上一层的子节点。直到所有特征都已经用完，或者数据集只有一维特征为止。 在决策树学习中，为了尽可能地正确分类训练样本，节点划分过程将不断重复，有时会造成决策树分支过多、导致过拟合，因此可以通过主动去掉一些分支来降低过拟合的风险。剪枝的基本策略包括预剪枝和后剪枝。使用鸢尾花数据集，调用Scikit-learn内嵌的决策树分类器构造决策树:调用Python数据可视化模块graphviz，导出上面构造的决策树，结果保存在文件iris.pdf中，构造的决策树如图14-3所示。当我们遇到一株新的鸢尾花时，如果想知道它属于哪个品种，可以根据如图14-3所示的决策树来帮助判断。从树的根节点来看，应该首先判断它的花瓣长度。如果花瓣长度小于或等于2.45 cm，那么它应该属于山鸢尾;否则，再判断花瓣宽度是否小于等于1.75 cm，得出这一层的判断结果后，根据分支走向以此类推，直到找到叶子节点的位置，即没有分支再需要判断时，叶子节点给出的类别也就是我们想要的答案。小组讨论结合决策树学习的应用例子，填写表14-2。反思评价学而不思则罔，思而不学则殆。对自己在本课中的学习进行评价，对照表14-3，在相应的O里画“V”，在“其他收获”栏里留言。 05 知识拓展 1、决策树基本思路。2、如何画决策树。3、决策树在生活中有哪些应用？4、如何学好决策树？ 学生之间互相讨论在我们日常生活中如何有哪些是决策树给我们创造便利的。 学生通过观看视频和听老师讲解，了解决策树应用。学生通过观看视频和自我思考我们生活中如何学好决策树。 帮助学生积极融入课堂，提高学生学习积极性。学生通过边看边听的形式了解决策树应用。让学生通过视频思考，进一步加深对课堂所学内容的理解。
布置作业 1、上网了解什么是决策树2、上网了解决策树在生活中的应用3、上网了解决策树对生活的影响 完成作业 培养学生查阅资料的能力，分析解决问题的能力
课堂小结 通过机器学习算法初步(2)-决策树课程，我们深入了解了它是如何在数据集中进行分类和预测的。掌握了决策树算法的基本原理和实际应用。我们深入了解了它的优势和劣势，并且知道如何在实际项目中灵活运用它。为我们未来的学习和工作打下坚实的基础。 分组总结归纳 锻炼学生的总结能力，逻辑思维、语言表达能力。
板书 一、决策树二、决策树学习的应用 学习、记忆及勾画知识点 明确教学内容及重点和难点
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)
