《任務(wù)3.4計算準確率和召回率》教案課程名稱人工智能應(yīng)用基礎(chǔ)課題任務(wù)3.4計算準確率和召回率班級：授課時間2025.3.1授課時數(shù)1課時地點：教材分析內(nèi)容分析本課時將重點介紹分類任務(wù)的AUC、ROC評估指標(biāo)和回歸任務(wù)的模型評估方法。通過這些內(nèi)容的學(xué)習(xí)，幫助學(xué)生理解模型評估的重要性，掌握準確率、召回率、精確率、F1分數(shù)、AUC、ROC等評估指標(biāo)的計算方法。課程內(nèi)容涵蓋了分類任務(wù)的AUC、ROC評估指標(biāo)的定義和計算方法，以及回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）的計算方法。通過具體的案例和實踐操作，幫助學(xué)生掌握模型評估的基本技能。學(xué)情分析學(xué)生對機器學(xué)習(xí)的基本概念和流程有一定的了解，但對模型評估的具體方法還不夠熟悉。學(xué)生對編程有較高的興趣，但需要通過更多的互動和實踐來鞏固所學(xué)知識。本課時將通過豐富的代碼示例和互動練習(xí)，幫助學(xué)生深入理解模型評估的基本概念和方法。課時教學(xué)目標(biāo)知識目標(biāo)1.了解分類任務(wù)的AUC、ROC評估指標(biāo)的定義和計算方法。2.掌握準確率、召回率、精確率、F1分數(shù)的計算方法。3.了解回歸任務(wù)的模型評估方法，包括決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）的計算方法。能力目標(biāo)1.能夠計算分類任務(wù)的準確率、召回率、精確率、F1分數(shù)、AUC、ROC等評估指標(biāo)。2.能夠計算回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）。3.能夠編寫符合編程風(fēng)格規(guī)范的代碼。素質(zhì)目標(biāo)1.培養(yǎng)學(xué)生對編程的興趣和好奇心。2.提升學(xué)生的邏輯思維能力和問題解決能力。思政目標(biāo)1.培養(yǎng)學(xué)生的社會責(zé)任感，了解模型評估對社會經(jīng)濟發(fā)展的影響。2.引導(dǎo)學(xué)生關(guān)注科技進步對就業(yè)和社會生活的影響。教學(xué)重點、難點教學(xué)重點1.分類任務(wù)的AUC、ROC評估指標(biāo)的定義和計算方法。2.準確率、召回率、精確率、F1分數(shù)的計算方法。3.回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）的計算方法。教學(xué)難點1.如何計算分類任務(wù)的AUC、ROC評估指標(biāo)。2.如何計算準確率、召回率、精確率、F1分數(shù)。3.如何計算回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）。4.如何編寫符合編程風(fēng)格規(guī)范的代碼。教學(xué)策略設(shè)計思路1.通過案例分析和互動練習(xí)，幫助學(xué)生理解模型評估的基本概念和方法。2.采用議題式教學(xué)法，引導(dǎo)學(xué)生探討模型評估的重要性和具體步驟。3.利用多媒體教學(xué)資源，增強學(xué)生的直觀感受和理解。4.通過小組合作學(xué)習(xí)，培養(yǎng)學(xué)生的團隊合作能力和創(chuàng)新思維。5.設(shè)計實踐活動，讓學(xué)生親身體驗?zāi)Ｐ驮u估的具體步驟。6.通過即時評價反饋，及時調(diào)整教學(xué)策略，確保教學(xué)效果。教學(xué)過程設(shè)計教學(xué)環(huán)節(jié)教師活動學(xué)生活動設(shè)計意圖教學(xué)與信息化手段課前預(yù)習(xí)任務(wù)1.發(fā)布預(yù)習(xí)資料，包括分類任務(wù)的AUC、ROC評估指標(biāo)和回歸任務(wù)的模型評估方法。2.布置預(yù)習(xí)任務(wù)，要求學(xué)生閱讀相關(guān)資料并思考模型評估的重要性和具體步驟。3.提供預(yù)習(xí)指南，指導(dǎo)學(xué)生如何進行有效的預(yù)習(xí)。1.閱讀預(yù)習(xí)資料，了解分類任務(wù)的AUC、ROC評估指標(biāo)和回歸任務(wù)的模型評估方法。2.思考模型評估的重要性和具體步驟。3.完成預(yù)習(xí)任務(wù)，準備課堂討論。幫助學(xué)生提前了解課程內(nèi)容，為課堂學(xué)習(xí)做好準備。預(yù)習(xí)資料、在線閱讀平臺課前調(diào)查1.設(shè)計問卷，調(diào)查學(xué)生對模型評估和評估指標(biāo)的了解程度。2.收集問卷數(shù)據(jù)，分析學(xué)生的學(xué)習(xí)起點。3.根據(jù)調(diào)查結(jié)果調(diào)整教學(xué)策略。1.完成問卷調(diào)查，反饋對模型評估和評估指標(biāo)的了解情況。2.反饋調(diào)查結(jié)果，提出自己的疑問。了解學(xué)生的學(xué)習(xí)起點，為課堂教學(xué)提供依據(jù)。在線問卷調(diào)查工具課中導(dǎo)入新課1.通過一段視頻或案例，引出模型評估的概念。2.提出問題，引導(dǎo)學(xué)生思考模型評估的重要性和應(yīng)用場景。3.簡要介紹本課時的學(xué)習(xí)目標(biāo)和內(nèi)容。1.觀看視頻或案例，初步了解模型評估的概念。2.回答教師提出的問題，積極參與討論。3.明確本課時的學(xué)習(xí)目標(biāo)和內(nèi)容。激發(fā)學(xué)生的學(xué)習(xí)興趣，明確學(xué)習(xí)目標(biāo)。視頻播放設(shè)備、PPT講解分類任務(wù)評估指標(biāo)1.詳細講解分類任務(wù)的AUC、ROC評估指標(biāo)的定義和計算方法，包括ROC曲線的繪制方法和AUC的計算方法。2.通過實例，說明如何計算準確率、召回率、精確率和F1分數(shù)。3.引導(dǎo)學(xué)生總結(jié)分類任務(wù)評估指標(biāo)的特點和應(yīng)用場景。1.認真聽講，做好筆記。2.觀看實例，加深理解。3.積極參與討論，總結(jié)分類任務(wù)評估指標(biāo)的特點和應(yīng)用場景。幫助學(xué)生系統(tǒng)地了解分類任務(wù)的評估指標(biāo)。PPT、案例視頻講解回歸任務(wù)評估指標(biāo)1.詳細講解回歸任務(wù)的模型評估方法，包括決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）的計算方法。2.通過實例，說明如何計算這些評估指標(biāo)。3.引導(dǎo)學(xué)生總結(jié)回歸任務(wù)評估指標(biāo)的特點和應(yīng)用場景。1.認真聽講，做好筆記。2.觀看實例，加深理解。3.積極參與討論，總結(jié)回歸任務(wù)評估指標(biāo)的特點和應(yīng)用場景。幫助學(xué)生系統(tǒng)地了解回歸任務(wù)的評估指標(biāo)。PPT、案例視頻實踐操作1.逐步演示如何在Python環(huán)境中計算分類任務(wù)的準確率、召回率、精確率、F1分數(shù)、AUC、ROC等評估指標(biāo)。2.逐步演示如何在Python環(huán)境中計算回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）。3.解釋每一步的注意事項和可能遇到的問題。4.提供常見錯誤的解決方案和示例。5.引導(dǎo)學(xué)生記錄實踐操作中的問題與解決方法。6.討論實踐操作時可能的安全設(shè)置。1.跟隨教師演示，嘗試在自己的Python環(huán)境中計算分類任務(wù)和回歸任務(wù)的評估指標(biāo)。2.記錄實踐操作中遇到的問題，準備提問。3.互相幫助，分享實踐操作經(jīng)驗。4.在教師講解時做筆記，記錄關(guān)鍵步驟。5.參與討論，發(fā)表對實踐操作步驟的理解。6.嘗試解決自己遇到的問題，進行探索。幫助學(xué)生掌握計算分類任務(wù)和回歸任務(wù)評估指標(biāo)的具體步驟。Python環(huán)境、JupyterNotebook總結(jié)與反饋1.匯總本課時的主要內(nèi)容，強調(diào)重點和難點。2.對學(xué)生的課堂表現(xiàn)進行評價，指出優(yōu)點和不足。3.布置課后作業(yè)，鞏固所學(xué)知識。4.預(yù)告下節(jié)課的內(nèi)容，激發(fā)學(xué)生的學(xué)習(xí)興趣。1.認真聽講，回顧本課時的主要內(nèi)容。2.接受教師的評價，反思自己的表現(xiàn)。3.記錄課后作業(yè)，準備完成。4.了解下節(jié)課的內(nèi)容，做好預(yù)習(xí)。通過總結(jié)與反饋，幫助學(xué)生鞏固所學(xué)知識，明確下一步的學(xué)習(xí)方向。PPT、課后作業(yè)課后課后作業(yè)1.寫一篇關(guān)于分類任務(wù)評估指標(biāo)和回歸任務(wù)評估指標(biāo)的小論文。2.選擇一個數(shù)據(jù)集，計算分類任務(wù)的準確率、召回率、精確率、F1分數(shù)、AUC、ROC等評估指標(biāo)，以及回歸任務(wù)的決定系數(shù)（R2）、平均絕對誤差（MAE）和均方誤差（MSE）。3.完成課后練習(xí)題，鞏固所學(xué)知識。1.完成課后作業(yè)，認真撰寫小論文。2.選擇一個數(shù)據(jù)集，計算分類任務(wù)和回歸任務(wù)的評估指標(biāo)。3.完成課后練習(xí)題，鞏固所學(xué)知識。通過課后作業(yè)，幫助學(xué)生鞏固所學(xué)知識，提高寫作和實踐能力。課后作業(yè)資料、代碼編輯器復(fù)習(xí)與預(yù)習(xí)1.提供復(fù)習(xí)資料，幫助學(xué)生鞏固本課時的知識。2.布置預(yù)習(xí)任務(wù)，要求學(xué)生閱讀下節(jié)課的預(yù)習(xí)資料。3.提供預(yù)習(xí)指南，指導(dǎo)學(xué)生如何進行有效的預(yù)習(xí)。1.認真復(fù)習(xí)本課時的知識，完成復(fù)習(xí)資料。2.閱讀下節(jié)課的預(yù)習(xí)資料，做好預(yù)習(xí)。3.按照預(yù)習(xí)指南，進行有效的預(yù)習(xí)。通過復(fù)習(xí)與預(yù)習(xí)，幫助學(xué)生鞏固所學(xué)知識，為下節(jié)課的學(xué)習(xí)做好準備。復(fù)習(xí)資料、預(yù)習(xí)資料板書設(shè)計一、分類任務(wù)評估指標(biāo)1.ROC圖3.31AUC曲線如圖3.31所示，有8個測試樣本，模型的預(yù)測值（按大小排序）和樣本的真實標(biāo)簽如圖2.30右表所示，繪制ROC曲線的整個過程如下：1）令閾值等于第一個預(yù)測值0.91，所有大于等于0.91的預(yù)測值都被判定為陽性，此時TPR=1/4，F(xiàn)PR=0/4，所以有了第一個點（0.0，0.25）。2）令閾值等于第二個預(yù)測值0.85，所有大于等于0.85的預(yù)測值都被判定為陽性，這種情況下第二個樣本屬于被錯誤預(yù)測為陽性的陰性樣本，也就是FP，所以TPR=1/4，F(xiàn)PR=1/4，所以有了第二個點（0.25，0.25）。3）按照這種方法依次取第三、四、...個預(yù)測值作為閾值，就能依次得到ROC曲線上的坐標(biāo)點（0.5，0.25）、（0.75，0.25）、...、（1.0，1.0）。4）將各個點依次連接起來，就得到了圖2.30所示的ROC曲線計算ROC曲線下方的面積為0.75，即AUC=0.75。2.AUCAUC（AreaUnderCurve）被定義為ROC曲線下與坐標(biāo)軸圍成的面積，顯然這個面積的數(shù)值不會大于1。又由于ROC曲線一般都處于y=x這條直線的上方，所以AUC的取值范圍在0.5和1之間。AUC越接近1.0，檢測方法真實性越高；等于0.5時，則真實性最低，無應(yīng)用價值。二、回歸任務(wù)模型評估決定系數(shù)（R2）：R2用于衡量模型對數(shù)據(jù)的擬合程度，其值越接近1表示模型的擬合程度越好。平均絕對誤差（MAE）：MAE是預(yù)測值與真實值之間差的絕對值的平均數(shù)，較小的MAE表示模型預(yù)測的準確性較高。均方誤差（MSE）：MSE是預(yù)測值與真實值之間差的平方的平均數(shù)，較小的MSE同樣表明模型具有較高的預(yù)測精度。三、總結(jié)與反饋教學(xué)評價1.教學(xué)分析：教學(xué)內(nèi)容的選取符合學(xué)生的認知水平，教學(xué)內(nèi)容恰當(dāng)，涵蓋了分類任務(wù)的AUC、ROC評估指標(biāo)和回歸任務(wù)的模型評估方法。2.教學(xué)目標(biāo)確定：多數(shù)學(xué)生能夠掌握分類任務(wù)的AUC、ROC評估指標(biāo)和回歸任務(wù)的模型評估方法，能夠進行模型評估的實踐操作。3.教學(xué)策略：采用議題式教學(xué)法和案例分析法，激發(fā)學(xué)生的學(xué)習(xí)興趣，促進學(xué)生進一步提高主動學(xué)習(xí)的能力、思辨能力、分析能力、動手能力。利用多媒體教學(xué)資源，有助于突破教學(xué)重點，易于學(xué)生掌握復(fù)雜知識的學(xué)習(xí)規(guī)律，形成解決問題的思路與有效方法。4.教學(xué)特色：教學(xué)設(shè)計中，通過案例教學(xué)，情景表演，將學(xué)生置身于高度接近現(xiàn)實的虛擬環(huán)境，學(xué)習(xí)效果明顯提升。教學(xué)反思教學(xué)創(chuàng)新1.通過案例分析和互動練習(xí)