资源简介

(共18张PPT)
2.3食谱的推荐
电子工业版九年级下册
教学目标
一、了解K-measns算法的原理
通过本章节的学习，你应该掌握以下内容：
二、基于K-measns算法的食谱推荐
三、探究不同K值的结果
新知导入
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。
新知讲解
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。
新知讲解
2、基于K-measns算法的食谱推荐
我们将计算机学习手写数字的过程分为3个步骤。
“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:
新知讲解
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。
新知讲解
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。
新知讲解
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。
新知讲解
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。)
新知讲解
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。
新知讲解
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。
新知讲解
三、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)、水果类(苹果、香蕉)，等等。请同学们取不同的k值，运行程序并根据程序聚类结果，完成表2.3.2中的聚类分析总结，可参考表2.3.2中k=4时的食物聚类结果。
新知讲解
不同K值聚类分析表
课堂练习
1、影响K-means算法聚类结果的因素包括_______ 和_______。
2、K- means算法完成聚类的条件是_______。
3、 在实际应用中，k通常按需取值。例如，游戏公司根据顶级、高级、中级、菜乌4类将所有玩家进行聚类分析，则k取4;房地产公司将商品房分为高、中、低了档进行聚类分析，则k取3。请同学们搜索资料，了解在K-means算法中k值的选择对最终结果有什么影响，应该怎样选k值。
课堂总结
请同学们回顾本周所学知识进行总结，看看自己是否掌握了以下知识。
一、了解K-measns算法的原理
二、基于K-measns算法的食谱推荐
三、K值为多少时，推荐的食谱最合理
作业布置
1、分组讨论并总结K-measns算法的逻辑。
2、想想手写聚类分析在日常生活中的应用，对照本章节学习的知识，思考K值为多少时候，推荐的食谱最为合理。
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

展开更多......

收起↑