程序设计综合实践（第二版）（中篇，共上中下3篇）.pptxVIP

;课前视频学习任务;;;课堂讨论;线性回归;最小二乘法;最小二乘法;;最小二乘法;简单房价预测问题;;课堂讨论;课堂讨论;课堂讨论;课堂讨论;课堂讨论;课堂讨论;课堂讨论;波士顿房价预测数据集分析;波士顿房价预测数据集分析;波士顿房价预测数据集预处理;算法步骤;;;;;定义;回归分析; 回归分析后将得到回归方程，与具体数据结合后可得到对应的预测结果。;回归分类;线性回归;算法流程;算法流程;算法流程;数据预处理;模型训练—多元线性回归公式;损失函数;模型训练-损失函数;凸函数（下凸）;优化器;标准梯度下降;学习率;超参数;模型训练-梯度下降;模型评估;模型评估;解题思路;数据预处理-分析数据集;数据预处理-皮尔逊相关系数;例子：求解平时分预测问题。现有一数据集共有四条数据，记录了课堂回答次数、作业上交次数和平时分。通过多元线性回归方法对该数据集构建一个平时分预测模型，求该数据集课堂回答次数和作业上交次数与平时分的相关系数。;数据预处理-归一化;数据集划分;;模型训练-梯度下降;模型评估;模型预测;;;课前视频学习任务;;;课堂讨论;问题分析;Kmeans算法（K均值算法）—图解步骤;Kmeans算法—核心思想;Kmeans算法—计算样本点到质心的距离;Kmeans算法—重新计算质心;算法步骤;;课堂讨论;课堂讨论;课堂讨论;课堂讨论;参考方法——K最邻近分类算法（KNN）;参考方法——K最邻近分类算法（KNN）;参考方法——K最邻近分类算法（KNN）;;;;课前视频学习任务;;;;问题描述;三层BP神经网络基本原理;BP神经元模型;典型激活函数;前向传播;反向传播算法的数学推导;反向传播算法的数学推导;反向传播算法的数学推导;反向传播算法的数学推导;算法步骤;算法执行过程;;;课堂讨论;课堂讨论;课堂讨论;;课后实践-AI场馆，志愿者与运动员“面对面”;AI模型训练-数据采集与用户隐私;;;课前视频学习任务;;;课堂讨论;课堂讨论;课堂讨论;课堂讨论;;;