義務(wù)教育《信息科技》課程資源

9年級全冊

跨學(xué)科主題活動人工智能預(yù)測出行學(xué)習(xí)目標(biāo)情境引入新知學(xué)習(xí)學(xué)習(xí)評價目錄學(xué)習(xí)目標(biāo)1.理解人工智能預(yù)測出行的概念、方法及原理2.能夠正確收集多組歷史出行數(shù)據(jù)，能夠構(gòu)建多維訓(xùn)練數(shù)據(jù)集3.利用收集到的數(shù)據(jù)訓(xùn)練預(yù)測模型，能夠準(zhǔn)確預(yù)測出行方式4.能夠?qū)⑷斯ぶ悄茴A(yù)測遷移到其他更多相似的場景應(yīng)用中情境引入如果機器告訴你，你或者你的同學(xué)以什么樣的出行方式到學(xué)校，你會感到神奇嗎？我們將依據(jù)大家出行方式的歷史數(shù)據(jù)，用人工智能的方法來預(yù)測同學(xué)們的出行方式！任務(wù)一：調(diào)查研究，構(gòu)建數(shù)據(jù)集活動設(shè)計收集數(shù)據(jù)之前，需要思考：從家里到學(xué)校，有哪些因素會影響大家對交通工具的選擇呢？為了更好地預(yù)測，我們需要哪些數(shù)據(jù)？新知學(xué)習(xí)任務(wù)一：調(diào)查研究，構(gòu)建數(shù)據(jù)集通過問卷、訪談等方式，采集同學(xué)的出行方式、出行時長以及受影響因素，并對數(shù)據(jù)進行量化，如雨量由小到大，可以用0~6之間的數(shù)字表示，0為晴天，1為小雨，2為中雨，3為大雨，4為暴雨，5為大暴雨，6為特大暴雨；時間用“分”表示；出行距離用“千米”表示；出行方式可以列出幾種：步行、自行車、公交、地鐵、出租車，分別用0，1，2，3，4來表示，如下表。出行距離、天氣、時間為影響因素，實際出行方式則為結(jié)果?；顒訉嵤┤蝿?wù)一：調(diào)查研究，構(gòu)建數(shù)據(jù)集出行數(shù)據(jù)集活動實施距離（千米）天氣時間（分）出行方式0.80803.55154513033.1091313307.531042.80330任務(wù)二：對預(yù)測原理的探究活動設(shè)計在用人工智能預(yù)測出行之前，需要我們先了解什么是人工智能預(yù)測，理解樸素貝葉斯算法，知道人工智能預(yù)測出行的原理。1.了解人工智能預(yù)測技術(shù)

人工智能預(yù)測技術(shù)是一種使用AI技術(shù)對未來可能出現(xiàn)的事件或情況進行預(yù)測和分析的技術(shù)。人工智能預(yù)測可以應(yīng)用于各個領(lǐng)域，如金融、醫(yī)療、物流等，通過分析大量的數(shù)據(jù)，利用機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)，預(yù)測未來的趨勢和變化，為人們的決策提供參考和指導(dǎo)?；顒訉嵤┤蝿?wù)二：對預(yù)測原理的探究1.了解人工智能預(yù)測技術(shù)影響人們對出行方式的選擇的因素有很多，如天氣狀況、出行距離、出行時間等。人工智能預(yù)測出行方式的步驟一般如圖1所示?；顒訉嵤┤蝿?wù)二：對預(yù)測原理的探究圖1人工智能預(yù)測出行方式的步驟2.理解樸素貝葉斯算法樸素貝葉斯算法是以貝葉斯定理為前提的一種概率分類方法。概率是指某一事件A發(fā)生的可能性，表示為P(A)。例如，今天下雨的可能性有50%，即P（下雨）=0.5。條件概率是指在某一事件A已經(jīng)發(fā)生的條件下，另一事件B發(fā)生的可能性，表示為P(A|B)。例如，如果下雨，我出門帶雨傘的可能性有95%，即P（帶傘|下雨）=0.95?；顒訉嵤┤蝿?wù)二：對預(yù)測原理的探究2.理解樸素貝葉斯算法貝葉斯定理由著名的數(shù)學(xué)家托馬斯·貝葉斯提出，是一個關(guān)于條件概率的定理。公式如下：活動實施任務(wù)二：對預(yù)測原理的探究公式參數(shù)說明：P(A)，P(B)表示事件A和事件B獨立發(fā)生的概率。P(B|A)是個條件概率表示當(dāng)事件B發(fā)生的情況下，事件A發(fā)生的概率。P(B|A)也是個條件概率，表示當(dāng)事件A發(fā)生的情況下，事件B發(fā)生的概率。任務(wù)三：出行預(yù)測的實現(xiàn)活動設(shè)計人工智能預(yù)測出行主要是依據(jù)歷史出行數(shù)據(jù)，使用樸素貝葉斯算法訓(xùn)練預(yù)測模型，根據(jù)用戶提供的新的出行數(shù)據(jù)，借助預(yù)測模型，計算出不同出行方式的概率，以最大值作為預(yù)測的出行結(jié)果。它具體包括以下三部分內(nèi)容：（1）存儲并輸入歷史出行數(shù)據(jù)集。（2）根據(jù)樸素貝葉斯算法，依據(jù)數(shù)據(jù)集訓(xùn)練出行預(yù)測模型。（3）提供新的出行數(shù)據(jù)，借助模型預(yù)測合適的出行方式。任務(wù)三：出行預(yù)測的實現(xiàn)活動設(shè)計具體過程如圖2所示：圖2人工智能預(yù)測出行任務(wù)三：出行預(yù)測的實現(xiàn)1.構(gòu)建數(shù)據(jù)集每一條數(shù)據(jù)可以使用Python中的字典來進行表示。例如：家與學(xué)校的距離為2.8千米，天氣為晴天，上學(xué)時間需33分，出行方式為步行，那我們可以使用這樣一個字典來表示數(shù)據(jù)：｛“距離”：2.8，“天氣”：0，“時間”：33，“出行方式”：0｝。使用以下代碼將數(shù)據(jù)轉(zhuǎn)換成pandas中的表格?；顒訉嵤┤蝿?wù)三：出行預(yù)測的實現(xiàn)1.構(gòu)建數(shù)據(jù)集活動實施任務(wù)三：出行預(yù)測的實現(xiàn)1.構(gòu)建數(shù)據(jù)集對于模型而言，輸入數(shù)據(jù)是距離、天氣、時間這三列，輸出結(jié)果是出行方式。因此我們可以使用列索引，從表格中取出數(shù)據(jù)的輸入x和標(biāo)簽y。活動實施任務(wù)三：出行預(yù)測的實現(xiàn)2.模型訓(xùn)練sklearn是python中常用的機器學(xué)習(xí)庫，包含很多機器學(xué)習(xí)算法。從sklearn中導(dǎo)入與樸素貝葉斯相關(guān)的庫，將模型實例化；使用fit方法對x和y進行訓(xùn)練，訓(xùn)練之后，使用模型中的score方法得到分類的正確率?；顒訉嵤┤蝿?wù)三：出行預(yù)測的實現(xiàn)3.輸入新數(shù)據(jù)進行預(yù)測用戶輸入新的數(shù)據(jù)，并進行預(yù)測。使用input函數(shù)獲取用戶的輸入數(shù)據(jù)。對于天氣、距離和時間的輸入，需要通過float或者int函數(shù)將其從字符串轉(zhuǎn)換成浮點數(shù)或者整數(shù)，從而才能輸入到模型?；顒訉嵤┤蝿?wù)三：出行預(yù)測的實現(xiàn)4.完整代碼5.運行結(jié)果完整運行結(jié)果如圖3所示，首先輸出了pandas中的表格，然后輸出了模型的精度，最后用戶輸入一條新的數(shù)據(jù)，模型進行了對應(yīng)的輸出?；顒訉嵤﹫D3出行方式預(yù)測結(jié)果任務(wù)三：出行預(yù)測的實現(xiàn)在班級中展示學(xué)習(xí)成果，如學(xué)習(xí)感悟、過程性資料、最終作品等，并指出存在的問題和下一步的改進思路，體驗用人工智能解決問題的樂趣。展示分享跨學(xué)科主題活動學(xué)習(xí)評價①根據(jù)自己的學(xué)習(xí)情況填寫下表。評價維度評價內(nèi)容評價方式自評互評師評過程性評價理解人工智能預(yù)測出行的方法、原理☆☆☆☆☆☆☆☆☆能夠正確收集多組歷史出行數(shù)據(jù)☆☆☆☆☆☆☆☆☆能夠構(gòu)建多維訓(xùn)練數(shù)據(jù)集☆☆☆☆☆☆☆☆☆在學(xué)習(xí)過程中具有積極的學(xué)習(xí)態(tài)度