《机器学习基础及应用》教案---第8课-使用决策树算法实现分类与回归.pdf

课题使用决策树算法实现分类与回归

课时2课时（90min）

知识技能目标：

（1）掌握决策树算法用于分类任务的基本原理

（2）掌握决策树算法用于回归任务的基本原理

（3）掌握ID3算法、C4.5算法和CART算法的基本原理

（4）掌握决策树算法的Sklearn实现方法

教学目标（5）能够使用决策树算法训练分类模型

（6）能够使用决策树算法训练回归模型

（7）能够编写程序，寻找最佳的决策树深度值

素质目标：

（1）关注国家资讯，增强民族意识，培养爱国主义精神。

（2）理解决策树算法的基本原理，培养勇为人先的创新精神

教学重点：决策树算法用于分类任务和回归任务的基本原理；ID3算法、C4.5算法和CART算法的基

教学重难点本原理；决策树算法的Sklearn实现方法

教学难点：使用决策树算法训练分类和回归模型；编写程序，寻找最佳的决策树深度值

教学方法案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，完成课

课前任务前任务，提前了解决策树算法的相关知识

【学生】完成课前任务

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】要求学生扫码观看“决策树算法的基本原理”视频，提出以下问题：

（1）决策树算法用于分类任务的基本原理是怎样的？

问题导入（2）决策树算法用于回归任务的基本原理是怎样的？

（3）常用的构造决策树的算法有哪几种？

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识，介绍决策树算法的基本原理、决策树算法的Sklearn实

现的相关知识

6.1决策树算法的基本原理

决策树（decisiontree）是一种基于树结构的机器学习模型，可以用于分类与回归任务。在机器学习

中，决策树分为分类树和回归树，当对样本的所属类别进行预测时使用分类树；当对样本的某个值进行

传授新知预测时使用回归树。

6.1.1决策树算法的原理分析

1．分类决策树的基本原理

分类任务的目标是通过对数据集的“学习”，总结一种决策规则，预测未知样本的类别。使用决策

1

树算法进行分类的原理是给定一个训练数据集，根据训练集构造决策树，根据决策树写出对应的决策规

则，然后使用决策规则对“待分类样本”进行分类。

✈【教师】通过多媒体展示“购买计算机的客户数据集”表格，并进行讲解

例如，购买计算机的客户数据集（见表6-2），使用决策树算法训练模型，可构造决策树。

表6-2购买计算机的客户数据集

客户编

年龄收入是否为学生信用情况购买计算机情况

号

1青年高否一般