2.3 机器学习基础流程
教学重难点
重点：机器学习完整五大流程：数据采集→数据处理→划分数据集→训练模型→评估测试。
难点：理解训练集、测试集作用，过拟合简单概念。
教学过程
1. 导入：机器“学习”和人看书学习有什么相似之处？
2. 分步拆解完整流程
①数据采集：收集任务需要的原始数据（图片、文本、表格），数据质量直接决定模型好坏。
②数据预处理：清洗脏数据，去除错误、重复、缺失数据，标准化格式。
③数据集划分：分为训练集（用来给机器学习）、测试集（模拟真实环境用来考试）。
关键提醒：测试集不能参与训练，相当于考试题不能提前给学生看。
④模型训练：算法读取训练集数据，反复迭代调整参数，生成模型。
⑤模型评估：拿测试集检验模型效果；效果不好，返回调整数据、调整算法，重新训练。
3. 拓展概念：过拟合——机器死记硬背训练集，遇到全新未知样本表现很差。类比学生背答案，没有学会真正规律。
4. 课堂练习：梳理AI识别花朵任务的完整机器学习流程。
5. 小结：机器学习不是只靠算法，数据处理、评估迭代是非常关键环节。