浙教版（2023）第12课预测模型构建课堂教学课件ppt

展开

这是一份浙教版（2023）第12课预测模型构建课堂教学课件ppt，共15页。PPT课件主要包含了学习目标，构建数据集，亲身体验，神经网络分类模型，日积月累，随堂练习等内容，欢迎下载使用。

第12课预测模型构建
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。
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。
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。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，雨量、温度、出行距离为影响因素，输出的是实际出行方式。
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。
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。
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？
智能预测出行的实现过程包括哪些步骤？