电子工业版信息技术九下2.3《食谱推荐》教案

中小学教育资源及组卷应用平台 电子工业版第六册信息科技教学设计 课题 第3节《食谱推荐》 单元 二单元 学科 信息科技 九年级 第六册 学习目标 了解K-measns算法的原理2、基于K-measns算法的食谱推荐3、探究不同K值的结果 重点 熟悉基于K-measns算法的原理，了解本单元知识概要。 难点 K-measns算法的原理 教学过程 教学环节 教师活动 学生活动 设计意图 一、教学目标 通过本章节的学习，你应该掌握以下内容：1、了解K-measns算法的原理2、基于K-measns算法的食谱推荐3、探究不同K值的结果 倾听老师开篇介绍 本课程的教学目标是了解K-measns算法原理，探究基于K-measns算法，不同K值的结果 二、新课导入 聚类是按照某种特定的规则(如距离)，将数据样本划分为不同的类(簇)，使得同类中的数据尽可能相似，不同类中的数据尽可能不同。聚类分析是无监督分析中重要的算法之一。在无标注的数据中，规律是未知的，通过聚类分析发现数据本身的结构或特性，实现物以类聚。聚类分析的应用十分广泛。例如，信息类App可以聚合相同标签的文章，电商平台根据用户消费特性进行聚类分析实现个性化推荐。本节课我们将学习使用K-means 算法将我们日常所吃的食物按照其所含的营养成分进行聚类分析，实现为用户推荐营养均衡食物的功能。 学习使用K-means 算法，将我们日常所吃的食物按照其所含的营养成分进行聚类分析，实现用户推荐营养均衡食物的功能。 激发学生兴趣并快速进入学习状态 三、新课讲解 1、了解K-measns算法的原理K-means算法(亦称K均值算法)是基于距离的一种无监督聚类方法，以距离作为相似性的评价指标，即两个数据点距离越近，其相似性越大，反之距离越远,相似性越小。其基本思想如下:1.)确定需要分类的数目k。2.)从数据集中随机选择k个点作为初始聚类的中心点。3.) 计算每个数据点到k个中心点的距离，选择与共距离最近的中心点作为自己的类别。4.)当所有数据点聚类完毕后，调整中心点，计算每一类中的样本平均值作为新的聚类中心点。5)重复3~4步，直到没有样本被重新分配到不同的类中，或聚类中心点的值不变，即聚类完成。2、基于K-measns算法的食谱推荐“食谱推荐”程序根据食物中包含的蛋白质和碳水化合物含量的不同，使用 K- means ; 算法进行聚类分析，并根据聚类结果为用户推荐营养均衡的食物。具体步骤如下:1.)打开“食谱推荐”程序，界面如图2.3.1 所示。程序中的“食物”列表中 存储了50 种常见食物，“蛋白质”列表与“碳水化合物”列表分别存储了每100克对应食物中蛋白质和碳水化合物的含量数据(单位为克)。变量k值保存的是食物被分为几类的参数值，变量pass保存的是聚类次数。2.)单击“运行”按钮◎，程序会提示用户输入k值，如图2.3.2所示。 这里我们输入4，即k=4，将50种食物根据蛋白质和碳水化合物含量不同分为4类。3.)初始化聚类时,程序会随机选择4个数据点作为中心点，此时status (状态) 变量会显示程序运行状态，如图2.3.3 所示。4.)完成初始化聚类后，同学们可以根据提示，按空格键进行第二次聚类。还可以按键盘上的H键隐藏运行界面的部分数据，更清晰地观察聚类过程，如图2.3.4所示。(如果想恢复界面数据，可以按键盘上的S键。)图2.3.4观察聚类过程5.)通过按空格键可以观察每次聚类的过程，也可以单击界面上的“快进”按钮◎，选择自动聚类。当所有食物均没有被聚类到新的类别中时，聚类完成，同时程序会显示“推荐”按钮，如图2.3.5所示。6.)单击“推荐”按钮，程序会根据聚类结果从每一类食物中选择一种推荐给用户，如图2.3.6所示。3、探究不同K值的结果“食谱推荐”程序中保存的50种食物包含谷类(面、米、杂粮等)、薯类(甘薯、马铃薯等)、肉蛋奶类(鸡肉、鸭肉、鸡蛋、鲫鱼等)、蔬菜类(油菜、菠菜、黄瓜等) ... ...