“机器学习”课程教学探索与实践

闵锋　鲁统伟

摘要：为了提高“机器学习”课程的教学质量，在分析教学过程中存在的主要问题的基础上，提出改进的教学方法。理论教学环节，注重激发学生的学习兴趣，理论联系实践和互动式教学。实践教学环节，通过实验设计层次化、实验要求明确化和实验考核常规化，培养学生的综合应用能力和解决实际问题的能力，这些教学经验在教学实践中取得了良好的效果。

关键词：机器学习；教学方法；教学改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）53-0158-02

“机器学习”是现代信息技术科技领域中一门非常重要的学科，涉及概率论、统计学、脑科学、认知学等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。“机器学习”是人工智能的核心，是使计算机具有智能的根本途径，具有重要的研究价值和广泛的应用价值。因此，要想成为高科技行业的高层次人才，就需要掌握与“机器学习”课程所相关的知识和技术。

一、课程安排和教学内容选择

“机器学习”课程是我院“智能科学与技术”专业的专业课程之一，与“人工智能”、“数学图像处理”、“机器视觉”构成了本科生培养的有机课程体系。按照我院“机器学习”教学大纲的要求，总学时数为32，其中理论教学24学时，实践教学8学时。我院选用的教材是由Tom Mitchell所著，曾华军、张银奎等译的“Machine Learning”，这是一本“机器学习”课程的经典教材，展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。该书总共有十三章，有些内容如第七章的“计算学习理论”对于本科生来说理论性过强，不易理解；有些内容如第四章的“人工神经网络”和第九章的“遗传算法”与我们的另一门专业课“智能计算”在内容上有重叠。因此，要想在最短的时间内让本科生掌握最基本的“机器学习”的原理和方法，就需要对教学课程选择优化，激发起学生的学习兴趣，为进一步的深入学习打下坚实的基础。最终，我们选择了该书的第一、二、三、五、六、八、十三章作为教学的主要内容，同时结合教师自己的科研工作，时刻关注“机器学习”在国内、国际上的最新进展，在教学过程中以专题讲座的形式将“机器学习”的最新研究成果介绍给学生，达到使学生开阔眼界、增长见识的目的。

二、教学中存在的问题

笔者承担“机器学习”课程教学工作已有五年，在日常的教学活动中，发现该课程的教学问题主要体现在以下几个方面。

1.课程理论抽象，学生学习兴趣不高。“机器学习”理论性强，如按照传统的教学方法在课堂上讲解“机器学习”的各种理论和算法，必然涉及到大量的数学公式推导，这就要求学生要有较好的数学基础，从而使数学基础不好的学生学习起来比较困难，兴趣不高，教学效果不佳。

2.教学内容丰富，知识点分散。“机器学习”涉及的理论、算法很多，并且算法之间联系不大，教学内容易面面俱到，这就导致学生只掌握了分散的知识点，没有形成一条完整的知识链，不知道自己所学的算法有什么用、如何使用，从而失去了学习目标，影响了学生的学习热情。

3.实验课比例较小且难度较大。“机器学习”是一门实践性很强的学科，由于实验课时较少，仅提供8学时，使原本很重要的实践活动变成了搭配；同时，部分“机器学习”算法较复杂，编程实现难度较大，加上大部分学生本身的编程能力有限，很难在较短的时间内完成实验课的内容。最终导致学生对实验课的兴趣不高，消极应对，没有将学习到的理论知识应用到实践，学生的动手能力也没有得到充分锻炼。

针对以上问题，笔者在“机器学习”教学实践中注重理论教学与实践教学紧密相连，研究如何恰当组织教学内容，合理分配实验环节，激发学生的学习兴趣，加强学生实践动手能力的培养，达到知识传授和能力培养的有效结合。

三、教学方法改进

（一）理论教学

在一个完整的教学过程中，理论教学是尤为重要的一个环节，是学生获取知识的直接渠道。如何提高学生的学习积极性和激发学习兴趣；如何把枯燥无味的理论和算法讲解深入显出，易于理解，是理论教学问题中需要重要解决的问题。可以从以下几个方面入手。

1.上好绪论课，激发学生的学习兴趣。“兴趣是最好的老师”，兴趣是学生主动学习、积极思维、勇于探索的强大动力。因此在教学活动中，应该注重激发学生的学习兴趣，让学生自始至终主动参与学习，全身心地投入到学习活动中。因此，我们应该重视绪论课，通过查阅大量文献资料，将最新的“机器学习”的研究成果展现给学生，激发学生的学习兴趣。教材中列举了“机器学习”的一些成功应用，如学习识别人类的讲话、学习驾驶车辆、学习分类新的天文结构、学习以世界级的水平对弈西洋双陆棋等。但是，这些应用只有一些文字上的描述，很难给学生留下直观的印象，我们可以上网查找一些相关的视频资料，结合视频资料来讲解这些应用，这样会让学生更加直观的认识到“机器学习”的应用价值和远大的市场前景，从而对这门课程产生浓厚的兴趣。

2.结合实例讲解，注重理论联系实践。“机器学习”的很多算法理论性强、抽象、不易理解，单纯采用文字叙述和公式推导的教学手段，教学效果并不好。因此在理论教学中，可以结合实例讲解，注重理论联系实践。例如在讲解“贝叶斯学习”这章时，有一个朴素贝叶斯分类器的算法，实现该算法的难点在于估计给定目标值时各属性的概率。为了让学生更好的理解和掌握该算法，可以结合“识别手写阿拉伯数字”这一实例进行讲解。首先，将手写阿拉伯数字图像二值化，并分割成“4×4=16”个同等大小的子图像；然后，计算每一个子图像中黑色像素的个数，将该值作为数字图像的一个属性值；最后，从100张训练样本中统计出给定数字时各属性的概率。这样，学生通过实例，知道算法的应用场合和方法，学习兴趣和效率自然就会提高。

3.教师与学生互动，注重问答式教学。教师与学生互动是理论教学最基本的组织形式，是提高课堂效率、达成教学最优化的有效途径之一。因此，课堂教学模式应由传统传授“满堂灌”的方式转向“互动问答”的方式，通过提问引导学生去思考，激发学生的求知欲，充分调动学生的学习积极性和主观能动性。例如，在讲解“基于实例的学习”这一章时，首先给学生介绍了三种学习方法：k近邻算法、局部加权回归和基于案例的推理，这时可以问学生：这些方法有什么共同点？与前面学习的方法有什么不同？根据学生的回答，引导出积极学习和消极学习的概念，并指出这两种方法之间的重要差异。然后进一步问学生：归纳偏置方面积极和消极方法是否有实质性的差异？引导学生去思考引起这些差异的原因是什么，探求问题的本源。接着还可以问学生：这些差异会影响学习器的泛化精度吗？让学生去进一步思考这些差异会导致什么样的结果，从而对所学的算法有更加深入的了解和认识。endprint

（二）实践教学

实践教学是理论教学的深化和补充，学生在实践环节将理论教学学到的理论算法应用于实践，有助于知识的理解和掌握，也有助于提高学生的动手能力。传统的实践教学内容大多为验证型实验，缺乏综合性实验，对学生综合应用能力和解决实际问题能力的培养不够。因此，教学过程中要加强实践教学，增加综合性实验，将理论教学与实践教学密切结合起来。可以从实验设计、实验要求和实验考核这三方面入手。

1.实验设计层次化。根据理论教学内容，结合学生的实际情况，按照由浅入深的原则安排了三个实验：候选消除算法、ID3决策树算法、和识别手写阿拉伯数字。前两个实验为验证型实验，要求学生实现相关算法，验证教材实例的正确性；后一个实验为综合性实验，要求学生综合运用数字图像处理、可视化编程技术、机器学习等课程知识，解决实际问题。实验的难度由易到难，层层深入，有利于学生动手能力的培养。

2.实验要求明确化。对于每一个实验，都有明确的要求，让学生明白实验要做什么，该输出怎样的实验结果。如在候选消除算法实验中，首先要求学生以读文件的方式读训练样例，并将样例显示在屏幕上；然后，实现极大特殊假设算法并将每一步的极大特殊边界输出到屏幕；最后，实现极大一般假设算法并将每一步的极大一般边界输出到屏幕。通过完成这个实验，学生对候选消除算法的过程有了一个清晰的认识，加深了对算法的理解。

3.实验考核常规化。为了保证实验的质量，加强对实验的管理，对每一次实验都要求学生签到，并完成相应的实验报告，交由教师批改。教师根据学生完成实验报告的情况，给出评分和评语，并计入学生的平时成绩中。学生的最终考试成绩为平时成绩与期末卷面成绩的加权和。通过常规化实验考核，学生会意识到实验环节的重要性，积极认真的对待实验。

四、结语

针对“机器学习”课程特点和我校的实际情况，我们积极开展教学改革研究，从理论教学和实践教学两方面进行了一些探索，并初步取得了令人满意的效果。“机器学习”是一门不断发展的交叉学科，要求“机器学习”课程的内容不断更新，教学方法也要不断改进。为了更好的讲授这门课，还需要在日后的教学实践中不断改进和完善。

参考文献：

[1]Tom M.Mitchell.Machine Learning[M].曾华军，等，译.北京：机械工业出版社，2003.

[2]袁鼎荣.浅谈《机器学习》的课程教学方法[J].广西经济管理干部学院学报，2010，（4）：99-101.

[3]胡雪蕾，孙明明，孙廷凯，陆建峰.研究生“机器学习”课程教学改革实践与探讨[J].煤炭高等教育，2012，（1）：118-121.

[4]汪馨兰，戴钢书.创新与发展：新媒体环境视域下的高校思想政治教育[J].思想教育研究，2013，（02）.

[5]汪馨兰，戴钢书.创新与发展：新媒体环境视域下的高校思想政治教育[J].思想教育研究，2013，（02）.endprint