(
课件网) 2.2 回归算法 电子工业-出卷网- 第五册 教学目标 1、信息意识：能够理解信息技术回归算法的重要性，并能识别各类信息资源的特点和可靠性。 2、计算思维：能运用计算思维的方法和策略来解决问题，包括分析问题、设计算法和评估解决方案。 3、数字化学习与创新：能熟练使用计算机软件和工具，例如搜索引擎、数据挖掘工具等，进行信息检索和整理。 4、信息社会责任：能理解信息技术对社会的影响，包括隐私保护、信息安全等方面的问题。 情境描述 马宁最近在研究遗传因素对人的身高的影响，他了解到，一般个子特别高的父亲的儿子会比父亲矮一些，个子特别矮的父亲的儿子会比父亲高一些。孩子不会不断地更高或更矮，而更倾向于家族中同性别人群的平均身高。更高或更矮的趋势不会一直持续下去，而会回到某个中心，这种现象就是回归。 蓝点：个体身高 红线：平均身高 情境描述 AI 技术正日益成为预测的新帮手。回归是监督学习的一个重要问题，回归用于预测输入变量和输出变量之间的关系，常见的回归算法有线性回归、非线性回归等。回归算法可以用来解决生活中的很多问题，如预测电影票房走势、人口增长趋势、商品价格与销售量的关系、居民的支出与收入的关系等。 蓝点：个体身高 红线：平均身高 情境描述 活动1 绘制预测线 新知讲解 学校为了促进同学们运动，要组织一次路线长6千米的“健步走，励志行”活动，小艾同学想要预测自己多长时间可以走完6 千米，你可以帮助他吗 实践探究1 1、请你测量周围8位同学的身高和步幅，并填到下表中。 身高/cm 步幅/cm 身高/cm 步幅/cm 150 155 160 165 170 175 180 185 50 55 60 65 70 75 80 85 实践探究2 2.请根据1.表中数据在下图中描点，并尝试画出一条趋势图。 实践探究2 3.分析人的步幅与其身高存在怎样的关系。一般年轻人快走一分钟可以走130步，请你预测健步走6千米所需的时间。 答：取步幅平均值65cm，那么一分钟走130步 则130*65=8450cm，也就是一分钟走84.5m 6千米=6000m，那么用6000/84.5=71.006分钟。 助力知识 回归是研究因变量对自变量的依赖关系的一种统计分析方法，目的是通过给定值来估计或预测因变量的均值。回归研究的是因变量和自变量之间的关系，可以用于发现变量之间的因果关系，也可以用于预测。利用人工智能做预测的方法有很多，常见的有线性回归、非线性回归等。 在众多数据中,如果能找出一条直线,较为准确地代表已有数据的走向，准确地描述数据之间的关系，这就是线性回归。按照自变量的多少，可分为一元线性回归和多元线性回归。如果一个自变量和一个因变量之间的关系可以用一条直线近似表示，那么这种回归被称为一元线性回归。验证欧姆定律的实验根据采集的数据计算电阻值，探究电流、电压、电阻之间的关系。同学们可以根据若干组测量得到的电流、电压数据，绘制出表示电流、电压之间关系的散点图。 助力知识—线性回归 通过观察散点图，我们发现数据样本点呈条状分布，随着流过待测电阻的电流增大，电压也不断升高，可以用一条直线近似地表示它们之间的关系。自变量电流用x表示，因变量电压用y表示，那么表示电流与电压变化关系的这条近似直线 (称为回归直线) 可以用y=kx+b表示，其中k为回归系数，b为截距。回归系数的绝对值越大，表示x对y的影响越大，若回归系数为正，表示y随x的增大而增大: 若回归系数为负，表示y随x的增大而减小; 若回归系数为零，表示回归直线与x轴平行。 助力知识—线性回归 根据已知电流推算电压的过程就是运用线性回归原理进行预测的过程,有了这个关系。在自变量已知的情况下，就能很容易地推算出因变量的数值。由于实验中往往存在传感器误差、电磁干扰等许多干扰因素， ... ...
