第16 课 决策树与智能推理 教学设计 2025-2026学年人教版初中信息科技人工智能专册

该初中信息科技教学设计聚焦决策树原理、构建方法及智能推理应用。通过“早餐选择”“上学路线”等日常问题导入，联系人类决策思维，借助爬山午餐决策案例理解节点与路径，再用猫狗领养数据学习特征选择，最后通过软件实现自动推理，搭建生活到实践的学习支架。 特色在于生活化导入培养信息意识，数据构建决策树环节通过“年龄”特征区分度分析发展计算思维，《决策树分析器》软件应用提升数字化学习与创新能力。实例丰富如用领养数据构建树并预测，落实学科方法，提升学生问题解决能力，为教师提供可操作的教学活动与工具支持。

九年级信息科技下册教学设计 课题 第16 课 决策树与智能推理 教学 目标 1.体验决策树模型在分类或预测任务中的特征选择过程，了解决策树的基本原理与构建思想。 2.能根据数据自动构建决策树，并运用决策树辅助解决实际问题。 教学 重点 了解决策树算法原理与构建方法，能运用决策树解决问题。 教学 难点 能根据数据自动构建决策树，并运用决策树辅助解决实际问题。 教学 过程 教 学 内 容 与 师 生 活 动 设计意图和 关注的学生 情景导入 同学们，早餐吃什么?上学走哪条路?这些选择看起来简单平常，但大家有没有想过，就在我们快速做出决定的那-一瞬间，大脑里到底发生了什么? 新授课 1、 决策树 决策树通过逐层提问的方式进行判断并最终得出结论，这与人们日常做选择的思维过程非常相似。 决策树通过将复杂问题分解为一系列简单问题，帮助我们逐步缩小选择范围，最终做出决策。 学习活动1 1.利用决策树辅助决策 一家人周末上午爬山，中午回来后都想好好吃顿午餐。他们最可能选择的午餐形式是什么样的？根据图 16.1 描述决策依据和决策路径。 分析上图：在决策树中，起点问题作为根节点，中间问题作为分支节点， 最终结论作为叶节点。决策路径是从根节点到叶节点的一条判断链， 如“愿意做饭→具备烹饪条件→时间充足→自制午餐”。 在人工智能发展初期，人类利用决策树，开发了很多模拟人类专家解决问题的计算机软件，这类软件被称为专家系统。当前，由于结构清晰、易于理解等特性，基于决策树的专家系统被广泛应用在医疗、金融、教育、工业、农业等多个领域，帮助人们解决各种复杂的实际问题。 决策树通常对应着专业领域的知识，推理引擎通过搜索决策路径，最终给出专业建议。这种“知识表示 + 逻辑推理”的架构，既保持了人类专家思维的可解释性，又有助于实现决策自动化。 2、 根据数据构建决策树 决策树的构建在不同的应用场景中会采用不同的方法。基于数据构建决策树是一种常见的方法。 决策树构建的关键在于如何选择最优的划分标准，而划分标准离不开特征的选择。特征是对决策有影响的若干关键因素，其中对决策影响较大的因素称为关键特征。选择关键特征作为决策树的节点，能更有效地缩小选择范围。 学习活动2 1.基于数据构建决策树 表 16.1 是一家宠物领养机构统计的猫狗特征和领养情况。请根据这张表构建决策树。 表 16.1猫狗特征与领养记录表 编号 品种 年龄 体型 毛发 性格 领养 1 狗 幼年 大 长 好 是 2 猫 成年 小 短 一般 否 3 猫 幼年 中 长 好 是 4 狗 成年 大 长 差 否 5 狗 幼年 中 中 好 是 6 猫 成年 中 长 好 否 7 狗 幼年 小 短 一般 是 8 狗 成年 大 短 好 是 1　 计算不同特征划分带来的数据区分度。 2　 选择区分度最大的特征“年龄”，作为第一个问题考虑的重点。因为按“年龄”划分，可以得到幼年组都被领养和成年组 75% 未被领养的数据， 具有明显的区分度。 3　 选择区分度次之的特征“品种”，作为第二个问题考虑的重点。 4　 参照前面的方法，对体型、毛发、性格等特征进行处理。 5　 根据表中数据，剔除无效的数据（对领养没有影响的属性），完善决策过程。 6　 根据得到的决策树，预测下列情况中的猫狗是否会被领养。 三、基于决策树自动推理 利用决策树思想，通过人工构建决策树比较耗时，在面对复杂问题或大规模数据集时，也更容易出错。当前，已经可以根据数据自动构建决策树，并利用决策树自动推理。 学习活动3 基于数据构建决策树，再基于决策树进行推理 1) 运行配套资源中的《决策树分析器》软件。 2) 参照界面提示，选择数据文件 pet.csv，然后单击“生成决策树”按钮生成决策树（图 16.3）。 图 16.3 《决策树分析器》生成的决策树 3) 运行《猫狗领养预测》软件，输入猫狗特征，然后利用前面生成的决策树预测猫狗是否会被领养。 板 书 设 计 一、决策树 二、根据数据构建决策树 三、基于决策树自动推理 教 学 反 思 1 学科网（北京）股份有限公司 $