资源简介

中小学教育资源及组卷应用平台
信息技术 第12课 预测模型构建
课题 预测模型构建 单元 第三单元 学科 信息技术 年级 九年级
教学目标 1、信息意识：能够认识到信息在预测模型构建中的重要性，主动关注与课程相关的各种信息来源，如科学文献、数据分析案例等。 2、计算思维：通过数据集的收集和整理，学会根据表格数据建立预测模型。 3、数字化学习与创新：具备创新意识，敢于尝试新的方法和技术，对传统的预测模型进行改进和创新。 4、信息社会责任：正确认识预测模型的局限性和潜在风险，不盲目依赖模型的结果，对模型的应用保持理性和审慎的态度。
重点 一、构建数据集二、神经网络分类模型三、人工智能预测出行时间
难点 1、人工智能预测出行时间
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 通过数据集的收集和整理，学会根据表格数据建立预测模型;通过学习人工智能对人们出行方式的预测，能理解智能预测对人类出行的影响。 探究： 1、你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的 2、你觉得人工智能能帮忙做哪些预测 智能预测出行是利用机器学习等技术，对出行行为进行预测和规划。通过收集雨量、温度和距离等数据，整理成数据集，再利用机器学习对这些数据进行训练，建立预测模型，用于预测出行方式或出行时间。 通过老师讲解和学生之间的相互讨论数据集的收集和整理。 激趣引思。
讲授新课 一 、构建数据集构建数据集可以先确定数据采集方式、数据格式、数据范围、采样频率等信息，再标注、存储和管理数据。最终得到的数据集可以用于各种数据分析和机器学习任务。对已采集整理的数据进行量化，如雨量由小到大，可以用0-6之间的数字表示，0为晴天，6为特大暴雨。 温度就采用摄氏温度值出行距离就用距离值即可。出行方式可以列出几种:步行、自行车、自驾、出租车、火车、飞机，依次用0、1、2、3、4、5来表示，如表12-1。雨量、温度、出行距离为影响因素，输出的是实际出行方式。 人们通过经验总结出了规律:综合考虑雨量、温度、出行距离，可以预测出合理的出行方式。 新知拓展 你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的 一、收集数据：通过天气预报软件和地图软件等收集雨量、温度及距离信息。
二、分析影响：雨量：大雨时考虑携带雨具，优先选公共交通或打车，户外活动需重新评估或做好防水；小雨可根据情况决定是否出行并做好防雨准备。温度：高温注意防晒防暑，选有空调的交通方式，户外活动选清晨或傍晚；低温穿保暖衣物，有雨雪时出行小心，远途优先安全温暖方式。距离：近可步行或骑行，考虑天气影响；远根据时间和预算选公共交通、打车或自驾。三、制定计划：确定出行目的和时间，根据紧迫性选择出行方式。综合考虑环境因素，比较不同方式优缺点。准备相应物品，如雨天带雨具等。预留足够时间以防耽误行程。 亲身体验 设计调研问卷，对收集到的有关出行数据进行数据预处理，使用合适工具，初步建构数据集。 《出行方式调研问卷》 尊敬的同学： 你好！为进行智能预测出行方式的研究，特设计此问卷。根据实际情况填写，感谢参与！ 一、个人信息 1. 性别：A.男；B.女 2. 年级：A.九年级 二、出行情况 1. 出行目的主要有哪些？（可多选）A.上学；B.购物；C.娱乐；D.走亲访友；E.其他 2. 最常使用的出行方式是什么？（可多选）A.步行；B.自行车；C.电动车；D.公共汽车；E.地铁；F.私家车；G.其他 三、影响因素 1. 哪些因素会影响出行方式选择？（可多选）A.距离；B.时间；C.费用；D.舒适度；E.便捷性；F.天气；G.环保意识；H.其他 四、出行时间和距离 1. 出行距离是多少公里？ 2. 每次出行大约需要多长时间？ 五、对智能出行的了解和期望 1. 是否了解智能出行方式预测？A.非常了解；B.了解一些；C.不了解 2. 对智能出行方式预测有哪些期望？（可多选）A.更准确的预测；B.提供更多出行方式选择；C.考虑个人偏好；D.实时更新交通信息；E.其他 2. 每次出行大约需要多长时间？ 五、对智能出行的了解和期望 1. 是否了解智能出行方式预测？A.非常了解；B.了解一些；C.不了解 2. 对智能出行方式预测有哪些期望？（可多选）A.更准确的预测；B.提供更多出行方式选择；C.考虑个人偏好；D.实时更新交通信息；E.其他 数据预处理步骤： 1. 数据清洗：检查缺失值和异常值，进行删除或填充、修正。 2. 数据编码：对分类变量进行编码。 3. 数据标准化：对数值型变量进行标准化处理。 工具选择：Excel、SPSS、Python 等。 初步构建数据集：将预处理后的数据整理成包含个人信息、出行情况等字段的数据集，保存为 CSV 等格式。二 、神经网络分类模型将数据集导入已构建的神经网络模型，网络优化参数得到训练后的模型，模型读入新的样本特征数据，输出出行方式。准备数据:采集大量“特征/标签”数据搭建网络:搭建神经网络结构优化参数:训练网络获取最佳参数应用网络:将网络保存为模型，输入新数据，输出分类或预测结果 我们按照上面的方式收集好样本数据后，进行训练。 训练结束后，就可以对出行方式进行预测了。我们可以输入一个(雨量、温度、距离)的数值，返回一个出行方式的预测结果，每种出行方式有一个置信度比例。 日记月累表格数据预测模型，根据预测数据的不同，可以分为如下几种类型:回归，二分类，多分类。三、人工智能预测出行时间使用电子地图查询你要去的地点的时候，它会告诉你采用不同的交通方式所需要的时间。那么它是怎么做到的呢 又有多准确呢 其实通过人工智能我们也可以自己做一个这样的出行时间预测。跟上面的案例一样，通过人工智能进行预测，也要采集样本数据进行训练。很关键的一点就是要确定好影响因子有哪些。对于预测出行时间来说，影响因子一般有:日期、时间、出行方式、天气、路况等。比如同样是从公司打车回家，工作日跟周末，早上和晚上，晴天和雨天所用的时间都不一样。对影响因子进行合理的分析量化后，就可以去采集样本数据进行训练并预测了。新知拓展你觉得人工智能能帮忙做哪些预测 交通领域出行流量预测，规划出行路线和时间。交通事故预测，采取预防措施。
二、医疗领域
疾病预测，评估患病风险。治疗效果预测，制定个性化治疗计划。
三、金融领域
股票价格预测，为投资者提供参考。信用风险预测，帮助金融机构风险管理。
四、气象领域
天气预报，提供气象信息。自然灾害预测，做好防范应对。四、随堂练习智能预测出行的实现过程包括哪些步骤 一、数据收集：个人信息、历史出行数据及实时交通数据。
二、数据预处理：清洗、转换数据，提取相关特征。
三、模型选择与训练：选合适模型，用训练集训练并调整参数，以测试集评估。
四、出行预测：输入出行需求后利用模型预测，给出指标及推荐方式。
五、结果呈现与反馈：直观呈现结果，收集反馈以优化模型四 、知识拓展1、AI预测地震2、不同领域应用：3、未来发展趋势： 学生之间互相讨论构建数据集。学生通过观看课件和听老师讲解，了解神经网络分类模型。学生通过观看课件和听老师讲解，了解人工智能预测出行时间。学生查找资料，相互讨论对于本堂课中老师提出的问题进行解答。学习知识拓展。 帮助学生积极融入课堂，提高学生学习积极性。 学生通过边看边听的形式了解神经网络分类模型。 学生通过边看边听的形式了解人工智能预测出行时间。让学生巩固本堂课的内容，加深学生对所学知识的印象。拓宽学生知识面。
布置作业 运用数字化工具（如数据分析软件或编程语言），对一个实际问题进行数据收集和预处理，然后构建一个简单的预测模型。 完成作业 培养学生查阅资料的能力，分析解决问题的能力
课堂小结 本次课程，我们深入学习了预测模型构建。在信息意识上，学会主动收集和利用相关信息。计算思维方面，掌握将实际问题转化为可计算问题的方法，学会分析评估模型、处理数据和优化模型。数字化学习与创新中，熟练运用工具软件，积极探索新方法并合作学习。信息社会责任方面，遵守法规，认识模型局限和风险，客观评价结果。同学们在各方面都有进步，希望今后继续运用所学，探索创新，解决实际问题。 分组总结归纳 锻炼学生的总结能力，逻辑思维、语言表达能力。
板书 一、构建数据集二、神经网络分类模型三、人工智能预测出行时间 学习、记忆及勾画知识点 明确教学内容及重点和难点
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)(共30张PPT)
第12课
预测模型构建
（浙教版）九年级
全
01
教学目标
02
新知导入
03
构建数据集
04
神经网络分类模型
05
人工智能预测出行时间
06
拓展延伸
08
课堂小结
09
板书设计
07
课堂练习
01
教学目标
1、信息意识：能够认识到信息在预测模型构建中的重要性，主动关注与课程相关的各种信息来源，如科学文献、数据分析案例等。
2、计算思维：通过数据集的收集和整理，学会根据表格数据建立预测模型。
3、数字化学习与创新：具备创新意识，敢于尝试新的方法和技术，对传统的预测模型进行改进和创新。
4、信息社会责任：正确认识预测模型的局限性和潜在风险，不盲目依赖模型的结果，对模型的应用保持理性和审慎的态度。
02
新知导入
通过数据集的收集和整理，学会根据表格数据建立预测模型;通过学习人工智能对人们出行方式的预测，能理解智能预测对人类出行的影响。
探究：
1、你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的
2、你觉得人工智能能帮忙做哪些预测
02
新知导入
智能预测出行是利用机器学习等技术，对出行行为进行预测和规划。通过收集雨量、温度和距离等数据，整理成数据集，再利用机器学习对这些数据进行训练，建立预测模型，用于预测出行方式或出行时间。
03
构建数据集
构建数据集可以先确定数据采集方式、数据格式、数据范围、采样频率等信息，再标注、存储和管理数据。最终得到的数据集可以用于各种数据分析和机器学习任务。对已采集整理的数据进行量化，如雨量由小到大，可以用0-6之间的数字表示，0为晴天，6为特大暴雨。
雨量（0-6） 温度（摄氏度） 距离（千米） 出行方式
0 20 1 0
6 30 2 3
4 20 500 4
0 20 1000 5
表12-1 出行数据集
03
构建数据集
温度就采用摄氏温度值出行距离就用距离值即可。出行方式可以列出几种:步行、自行车、自驾、出租车、火车、飞机，依次用0、1、2、3、4、5来表示，如表12-1。雨量、温度、出行距离为影响因素，输出的是实际出行方式。
03
构建数据集
人们通过经验总结出了规律:综合考虑雨量、温度、出行距离，可以预测出合理的出行方式。
你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的
一、收集数据：通过天气预报软件和地图软件等收集雨量、温度及距离信息。
二、分析影响：雨量：大雨时考虑携带雨具，优先选公共交通或打车，户外活动需重新评估或做好防水；小雨可根据情况决定是否出行并做好防雨准备。
温度：高温注意防晒防暑，选有空调的交通方式，户外活动选清晨或傍晚；低温穿保暖衣物，有雨雪时出行小心，远途优先安全温暖方式。
距离：近可步行或骑行，考虑天气影响；远根据时间和预算选公共交通、打车或自驾。
新知拓展
03
构建数据集
你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的
三、制定计划
确定出行目的和时间，根据紧迫性选择出行方式。
综合考虑环境因素，比较不同方式优缺点。
准备相应物品，如雨天带雨具等。
预留足够时间以防耽误行程。
新知拓展
03
构建数据集
新知拓展
03
构建数据集
03
亲身体验
构建数据集
设计调研问卷，对收集到的有关出行数据进行数据预处理，使用合适工具，初步建构数据集。
《出行方式调研问卷》
尊敬的同学：
你好！为进行智能预测出行方式的研究，特设计此问卷。根据实际情况填写，感谢参与！
一、个人信息
1. 性别：A.男；B.女 2. 年级：A.九年级
二、出行情况
03
亲身体验
构建数据集
出行目的主要有哪些？（可多选）
A.上学； B.购物； C.娱乐； D.走亲访友； E.其他
2. 最常使用的出行方式是什么？（可多选）
A.步行； B.自行车； C.电动车； D.公共汽车；E.地铁；F.私家车；G.其他
三、影响因素
哪些因素会影响出行方式选择？（可多选）
A.距离； B.时间； C.费用； D.舒适度；E.便捷性；F.天气；G.环保意识；H.其他
四、出行时间和距离
1.出行距离是多少公里？
2. 每次出行大约需要多长时间？
03
亲身体验
构建数据集
五、对智能出行的了解和期望
是否了解智能出行方式预测？
A.非常了解； B.了解一些； C.不了解
2. 对智能出行方式预测有哪些期望？（可多选）
A.更准确的预测；B.提供更多出行方式选择；C.考虑个人偏好；D.实时更新交通信息；E.其他
2. 每次出行大约需要多长时间？
03
亲身体验
构建数据集
数据预处理步骤：
1. 数据清洗：检查缺失值和异常值，进行删除或填充、修正。
2. 数据编码：对分类变量进行编码。
3. 数据标准化：对数值型变量进行标准化处理。
工具选择：Excel、SPSS、Python 等。
初步构建数据集：将预处理后的数据整理成包含个人信息、出行情况等字段的数据集，保存为 CSV 等格式。
04
神经网络分类模型
将数据集导入已构建的神经网络模型，网络优化参数得到训练后的模型，模型读入新的样本特征数据，输出出行方式。
历史数据
历史数据训练模型
训练
模型
预测
结果
新数据
输入
使用模型推理结果
04
神经网络分类模型
准备数据:采集大量“特征/标签”数据
搭建网络:搭建神经网络结构
优化参数:训练网络获取最佳参数
应用网络:将网络保存为模型，输入新数据，输出分类或预测结果
我们按照上面的方式收集好样本数据后，进行训练。
训练结束后，就可以对出行方式进行预测了。我们可以输入一个(雨量、温度、距离)的数值，返回一个出行方式的预测结果，每种出行方式有一个置信度比例。
04
神经网络分类模型
日积月累
表格数据预测模型，根据预测数据的不同，可以分为如下几种类型:回归，二分类，多分类。
05
人工智能预测出行时间
使用电子地图查询你要去的地点的时候，它会告诉你采用不同的交通方式所需要的时间。那么它是怎么做到的呢 又有多准确呢
其实通过人工智能我们也可以自己做一个这样的出行时间预测。
跟上面的案例一样，通过人工智能进行预测，也要采集样本数据进行训练。很关键的一点就是要确定好影响因子有哪些。
05
人工智能预测出行时间
对于预测出行时间来说，影响因子一般有:日期、时间、出行方式、天气、路况等。
比如同样是从公司打车回家，工作日跟周末，早上和晚上，晴天和雨天所用的时间都不一样。
对影响因子进行合理的分析量化后，就可以去采集样本数据进行训练并预测了。
你觉得人工智能能帮忙做哪些预测
一、交通领域
出行流量预测，规划出行路线和时间。交通事故预测，采取预防措施。
二、医疗领域
疾病预测，评估患病风险。治疗效果预测，制定个性化治疗计划。
三、金融领域
股票价格预测，为投资者提供参考。信用风险预测，帮助金融机构风险管理。
四、气象领域
天气预报，提供气象信息。自然灾害预测，做好防范应对。
新知拓展
05
人工智能预测出行时间
新知拓展
05
人工智能预测出行时间
06
随堂练习
智能预测出行的实现过程包括哪些步骤
一、数据收集：个人信息、历史出行数据及实时交通数据。
二、数据预处理：清洗、转换数据，提取相关特征。
三、模型选择与训练：选合适模型，用训练集训练并调整参数，以测试集评估。
四、出行预测：输入出行需求后利用模型预测，给出指标及推荐方式。
五、结果呈现与反馈：直观呈现结果，收集反馈以优化模型
07
拓展延伸
1、AI预测地震
07
拓展延伸
2、不同领域应用：
气象预测：利用气象数据和模型预测天气变化，包括短期预报和长期气候预测，认识其对自然灾害应对的作用。
经济预测：如宏观经济和股票市场预测，了解经济学家运用统计模型等预测重要经济指标及在经济决策中的作用。
医疗预测：包括疾病和治疗效果预测，认识医生和研究人员如何利用临床和基因信息建立模型。
交通预测：如交通流量和事故预测，了解交通管理部门利用数据建立模型以优化交通和提高安全。
07
拓展延伸
3、未来发展趋势：
大数据与人工智能融合，提高预测准确性和效率。
实时预测和动态模型发展，建立能实时更新适应变化的模型。
跨学科合作推动模型发展。
关注伦理和社会责任，如数据隐私保护、算法公平性、模型透明度等。
08
课堂小结
本次课程，我们深入学习了预测模型构建。在信息意识上，学会主动收集和利用相关信息。计算思维方面，掌握将实际问题转化为可计算问题的方法，学会分析评估模型、处理数据和优化模型。数字化学习与创新中，熟练运用工具软件，积极探索新方法并合作学习。信息社会责任方面，遵守法规，认识模型局限和风险，客观评价结果。同学们在各方面都有进步，希望今后继续运用所学，探索创新，解决实际问题。
09
板书设计
预测模型构建
一、构建数据集
二、神经网络分类模型
三、人工智能预测出行时间
课后作业：
运用数字化工具（如数据分析软件或编程语言），对一个实际问题进行数据收集和预处理，然后构建一个简单的预测模型。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑