机械学基础第二版教学设计
一、教学目标
1.掌握机器学习的基本概念和原理，理解机器学习的基本算
法与应用；
2.培养学生的机器学习思维，增强学生的算法设计与分析能
力；
3.增强学生的科研能力与实践能力，培养学生的团队协作精
神。

二、教学内容
1.机器学习基础概念
•数据挖掘与机器学习的关系
•机器学习的应用领域
•机器学习的基本原理
2.机器学习算法
•监督学习算法
–线性回归
–逻辑回归
–随机森林
–支持向量机
•无监督学习算法
–聚类算法
–主成分分析算法
3.机器学习实践
•数据处理与可视化
•数据预处理
•模型设计与训练
•模型评估与性能分析
三、教学方法
1.授课与讲解：老师通过学生易于理解的方式来讲解机器学
习的基本概念与算法；
2.程序编写：学生通过编程来实现机器学习的算法，增强对
机器学习算法的理解；
3.讨论与分析：鼓励学生在课堂上自由讨论，分析机器学习
算法的优缺点，提高学生分析问题的能力；
4.课程设计：学生通过小组合作进行课程设计，锻炼学生的
团队合作能力。

四、评价方式
1.平时表现占30%，包括课堂表现、作业评分等；
2.课程设计占30%，课程设计内容不少于12小时；
3.期末考试占40%，内容覆盖前述教学内容。

五、参考教材
1.周志华. 机器学习[M]. 北京: 清华大学出版社, 2016.
2.吴恩达. 机器学习课程笔记[M]. 美国斯坦福大学.
3.林轩田. 机器学习基础[M]. 北京: 清华大学出版社, 2019.
六、教学进度安排
教学内容完成时
间
1周
数据挖掘与机器学习的关系 / 机器学习的应用领域 / 机器
学习的基本原理
线性回归 / 逻辑回归 1.5周
随机森林 / 支持向量机 1.5周
聚类算法 / 主成分分析算法 1.5周
数据处理与可视化 / 数据预处理 / 模型设计与训练2周
模型评估与性能分析 / 期末复习2周注：以上时间表仅供参考，实际学习进度可能会因学生实际情况而
有所调整。