基于机器学习的初中人工智能编程教学实践——以利用线性回归预测某城市房价项目为例

付东升

（厦门英才学校，福建 厦门 361000）

0 引 言

人脸识别、自动驾驶、智能客服、短视频推荐、金融风控、智慧医疗、智慧农业、机器人技术等，这些都是人工智能在各个行业中的具体应用。人工智能涉及的范围较广，知识难度较大，根据目前人工智能丛书中所提出的内容，主要以了解人工智能在生活中的应用为主，或结合给定功能的开源硬件，体验人工智能项目的应用，往往不能真正理解人工智能中某个项目的原理，代码编程项目设计更是无从下手，因此，本文尝试以线性回归项目为基础，开展项目化的人工智能教学，结合初中生认知水平，从原理的讲解到代码的编写，以期给中学人工智能教学以借鉴作用。

1 课堂实践

机器学习分为监督学习、无监督学习和强化学习，其中监督学习又包含回归问题和分类问题，线性回归是机器学习中的经典模型。初一学生对人工智能已有初步的了解和接触，学生已达到学习机器学习基础知识的认知水平，本节将应用Pycharm 编程软件，通过Python 语言尝试对“某城市房价问题”这一线性回归问题做编程尝试，学生在实际代码的编写过程中探究线性回归的基本原理，切身体验分析问题、设计算法、编写程序、调试运行的过程。

2 项目方案设计

教师围绕计算机解决问题的一般过程：分析问题、设计算法、编写程序、调试运行与“导入相关的工具包、加载数据集、模型训练和预测、预测结果可视化”四个步骤进行教学活动，具体教学过程有以下几个方面。

2.1 联系生活分析线性回归问题

2.1.1 提出问题

中国人一般都有家的情节，我们每天住在宽敞的房子中，有没有想过能住在漂亮的房子里，是因为父母辛勤的工作？回到问题上，现已知：20 世纪70年代中期，某城市郊区住宅的一些数据点，比如犯罪率、当地房产税率等。

教师提出问题：假设你是一个房地产商人，根据给定的一组关于郊区住宅的数据点，如图1所示，你能够预测出其他住宅的售价为多少会更合适吗

图1 郊区住宅数据点

设计意图：在情感态度价值观上，学生能更理解父母工作的不易，只有付出才有回报，同时基于问题的教学法开篇，抛出回归问题案例，激发学生兴趣。

2.1.2 认识数据集中存有哪些数据

（1）load_boston 数据集是以字典（Dictionary）的方式存储数据，使用以下三行代码，可输出load_boston 数据集中所含有的“键”，输出结果如图2所示。

图2 load_boston 数据集中所含有的“键”

代码：

设计意图：引导学生深度挖掘某城市房价数据，掌握其采用字典存储方式的意义，即便于通过“键”查找其“值”，从而理解数据集中存储的每一个“键”的含义。

数据集含有数据（506 个样本，14 个属性）：主要为：数据（‘data’），目标价格（‘target’），特征名称（‘feature_names’）。

（2）引导学生思考数据集中字典的“值”是多少呢？应用一行代码，可以输出完整的某城市数据集，输出结果如图3所示。

图3 数据集中的数据

代码：

print(dataset)

设计意图：学生理解字典存储数据意义的基础上，输出完整数据，清楚认识“键”和其所对应的“值”，只有深度了解数据集中的数据，才能便于调用数据。

2.2 设计算法理解线性回归原理

（1）我们提取住宅平均房间数这一个特征（rooms）作为横坐标值，根据值找到数据集所对应的值，也就是住宅的价格（price），形成散点图如图4所示。

图4 住宅平均房间数（x 值）与住宅所售价格（y 值）散点图

设计意图：数据集中有13 个特征，可引导学生从一个特征（住宅平均房间数rooms）入手，找出住宅平均房间数与房价的关系，即从特殊到一般的科学探究方法。

（2）观察这个散点图，会发现一些规律，大概率是住宅平均房间数越多，住宅的价格越高，此趋势可用一次线性函数=·+（输入特征为住宅平均房间数，输出标记为住宅所售价格，是与轴的截距）拟合，如图5所示。

图5 一次线性函数

设计意图：这就是最简单的线性回归模型。我们要做的就是利用已有数据，去学习得出这条直线，拟合出这条直线，则对于横坐标（rooms）的任意取值，我们都可以找到直线上对应的值，也就是模型的预测值（price），当然从图5中能看出存在一定的误差，这就需要学有余力的同学去深度思考，如何减小误差。

2.3 编写程序探究线性回归过程

2.3.1 步骤一：导入相关的工具包

# 使用 sklearn 内置的房价数据集，load_boston 是加载数据集的函数

from sklearn.datasets import load_boston

# 使用sklearn 中的 train_test_split 划分数据集

from sklearn.model_selection import train_test_split

# 使用 sklearn 中的直线回归模型进行预测

from sklearn.linear_model import LinearRegression

# 使用 matplotlib 模块中的 pyplot 函数进行数据可视化

import matplotlib.pyplot as plt

设计意图：基于上述设计算法和线性回归的原理，对照讲解sklearn 数据集train_test_split 函数、LinearRegression 直线回归、matplotlib 模块的作用。sklearn 是内置于Pycharm编程环境中的数据集，只需加载数据集即可。

典型问题：如何划分“测试集”和“训练集”?

解决方法：在机器学习中，我们通常将原始数据按照比例分割为“测试集”和“训练集”，train_test_split 函数就是起到划分“测试集”和“训练集”的作用。

2.3.2 步骤二：加载数据集

# 加载房价数据集，返回特征X 和标签y

X, y = load_boston(return_X_y=True)

# 只取第6 列特征RM：住宅平均房间数

X = X[:,5:6]

# 划分为训练集和测试集，测试集取20%

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2, random_state=2020)

设计意图：采用从特殊到一般的科学探究方法，从13个特征中，只取RM 住宅平均房间数这一个特征，找出其与住宅价格的关系，测试集取20%时，观察程序运行后的可视化结果。

典型问题：每次运行得到不同的结果，主要是分割的“测试集”和“训练集”并不相同问题。

解决方法：同样的算法模型在不同的“测试集”和“训练集”上运行的效果并不一样。如果每次sklearn 分割的“测试集”和“训练集”都不相同，那么程序每运行一次，都会得到不同的结果，导致无法调参。此时加上random_state 以后就可以保证程序每次运行都分割一样的“测试集”和“训练集”，便于调参。

2.3.3 步骤三：模型训练和预测

# 创建线性回归对象

regre = LinearRegression()

# 使用训练集训练模型

regre.fit(X_train, y_train)

# 在测试集上进行预测

y_pred = regre.predict(X_test)

设计意图：在理解应用线性回归能预测住宅房价原理的基础上，在程序中可直接调用LinearRegression 直线回归。

2.3.4 步骤四：预测结果可视化

plt.scatter(X_test, y_test, color=’blue’)

# 画线性回归模型对测试数据的拟合曲线

plt.plot(X_test, y_pred, color=’red’)

# 显示绘图结果

plt.show()

# 打印斜率和截距

print(‘斜率k：{}, 截距b：{}’.format(regre.coef_,regre.intercept_))

设计意图：引导学生观察当测试集取20%，输入房间数量为8 时，=·＋函数图像，其中斜率：[9.111 633 98]，截距：-34.475 577 892 806 62，效果如图6所示。

图6 测试集取20%时y=k·x+b 函数图像

设计意图：引导学生观察当测试集取80%，输入房间数量为8 时，=·+函数图像，其中斜率：[12.144 071 32]，截距b：-53.322 051 223 109 96，效果如图7所示。

图7 测试集取80%时y=k·x+b 函数图像

典型问题：测试集的取量，会影响=·+函数图像的斜率和截距。

解决方法：其他参数保持不变，只更改测试集取量，观察会出现何种效果，学生提出测试集取量对=·+函数图像的影响。

# 打印斜率和截距

print(‘斜率k：{}, 截距b：{}’.format(regre.coef_,regre.intercept_))

x=int(input(‘请输入住宅平均房间数： ’))

y=regr.coef_*x+regre.intercept_

print(‘预测的住宅价格是：%s’%y)

# 显示绘图结果

plt.show()

设计意图：matplotlib 是Python 的绘图库，掌握应用其画出图形，实现数据可视化的方法。

拓展延伸1：当测试集取量20%，输入住宅平均房间数为8 时，运行程序后显示：预测的住宅价格是：[38.417 493 97]，当测试集取量80%，输入住宅平均房间数为8 时，运行程序后显示：预测的住宅价格是：[43.830 519 36]，为何会出现不一样的预测结果？

拓展延伸2：只有住宅平均房间数这一个特征与住宅价格的关系，那13 个特征与住宅价格的关系会有什么预测结果呢？

设计意图：测试集的取量、住宅平均房间数都会对住宅价格产生影响，考虑到存在一定的误差，为进一步学习均方误差（MSE），均方根误差（RMSE），平均绝对误差（MAE）的方法来减小误差做铺垫。同时提出从13 个特征中只取住宅平均房间数这一个特征和住宅价格的关系，这是从一般到特殊的科学探究方法，我们从一个特征与住宅价格的关系中找到规律，把它应用到13 个特征与住宅价格的关系的研究中，这就是再从特殊到一般的探究过程。程序完整代码如图8所示。

图8 利用线性回归预测某城市房价项目完整代码

2.4 调试运行提升解决问题能力

问题1： 出现提示ModuleNotFoundError: No module named ‘sklearn’错误或者出现提示ModuleNotFoundError:No module named ‘matplotlib’错误

解决方法：出现此问题的原因是没有加载’sklearn’和’matplotlib’库所导致的，以Pycharm 2020.3.3 版本为例，介绍Pycharm 软件加载库或模块的方法：点击左上角的File 后，选择Settings 进入到设置页面，如图9所示。

图9 Pycharm 设置页面

选择Project 下的Python Interpreter,此时右侧能看到已安装的库或模块，如图10 所示。

图10 显示已安装库或模块

在已安装库或模块下方点击“+”号，出现Available Packages页面，输入库或模块名称后，点击下方的Install Package，进行库或模块的安装，如图11 所示。

图11 搜索库或模块页面

问题2：Available Packages页面显示Nothing to show 或搜索sklearn 库时不能出现sklearn 库。

解决方法：点击Manage Repositories，默认有https://pypi.python.org/simple 镜像源，可增加一些国内的镜像源，如清华：https://pypi.tuna.tsinghua.edu.cn/simple、阿里云：https://mirrors.aliyun.com/pypi/simple/、 豆 瓣：https://pypi.douban.com/simple/等镜像源，如图12 所示。

图12 添加国内镜像源

此时再搜索sklearn 库时，因作者添加了4 个镜像源，则可能会出现4 个sklearn 库，选择其中一个安装即可，如图13 所示。

图13 多个源会出现多个sklearn 库

3 结 论

本文分析的线性回归模型是建立在一次函数=·+基础上，一次函数是初中数学的学习内容，应用数学知识与编程算法相结合去探究线性回归经典模型，既可以降低程序理解的难度，又可将教学重心放在线性回归经典模型的教学上，同时为学生提供使用不同学习方式再次深入理解一次函数的机会。学习线性回归经典模型有助于学生理解什么是机器学习，更重要的是走出与智能音箱、智能机器人等智能设备对话就理解为人工智能的全部这种误区。

教师围绕计算机解决问题的一般过程：分析问题、设计算法、编写程序、调试运行这种逐层递进方式开展教学，结合线性回归经典模型的逻辑步骤，即“导入相关的工具包、加载数据集、模型训练和预测、预测结果可视化”四个步骤，教学设计符合皮亚杰的认知发展理论和维果茨基的最近发展区理论，适应学生的认知发展水平、学生的学习是主动建构知识的过程，提升了学生计算思维等高阶能力的培养。本次人工智能编程教学实践仍处于初步尝试阶段，有部分内容需要在后续教学实践中不断探索、完善。