最新下棋教学讲义ppt课件.ppt

《最新下棋教学讲义ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、下棋梁实秋（1903─1987），著名文学评论家、哲理小品家、翻译家。曾与徐志摩、闻一多创办新月书店，主编《新月》月刊。后迁至台，历任台北师范学院英语系主任、英语教研所主任、文学院院长、国立编译馆馆长。代表作有《雅舍小品》、《雅舍谈吃》、《看云集》、《偏见集》、《秋室杂文》、长篇哲理小品集《槐园梦忆》等。译有《莎士比亚全集》等。主编有《远东英汉大辞典》。作者简介检查预习涵养索然寡味咕嘟抓耳挠腮长吁短叹自怨自艾博奕略胜一筹不拘小节旗鼓相当赶尽杀绝同归于尽剑拔弩张诮骂排闼阒不见人嗤之以鼻嗜此不疲整体感知1、文章的线索是什么？2、文章列举了哪些

2、棋人棋事？思考讨论1、本文在写法上有什么特点？（从表达方式、修辞方法、语言方面考虑）2、本文表现了作者怎样的人生态度？深入理解与分析再读课文，说说你认为哪些地方写得精彩，并试着作一些分析。拓展迁移讲一则关于下棋的幽默片断与大家分享。拓展示例我曾见过两位老干部下棋，一位是退休的镇长，一位是退休的镇人大主任。主任要悔棋，镇长不乐意，主任于是把棋子攥在手里不让吃，镇长掰手夺主任转身跑，镇长撒腿跑，一口气跑了半里路，两人不依不饶，纠缠不休。大热的天，就在路中间两位老干部象是在玩相扑，那股认真劲儿也真是憨态可掬。决策树方法在数据挖掘中的应用1Kno

3、wledgeSEEKER简介2数据准备3定义研究对象4建立模型5理解模型6预测1KnowledgeSEEKER简介KnowledgeSEEKER是一个由Angoss公司开发的基于决策树的数据分析程序。该程序具有相当完整的分类树分析功能。KnowledgeSEEKER采用了两种著名的决策树分析算法：CHAID和CART算法。CHAID算法可以用来对于分类性数据进行挖掘。CART算法则可以对连续型因变量进行处理。Angoss公司在增强这些算法的用户友好性方面作了大量的工作。优点：响应快，模型，文档易于理解，决策树分析直观，性能良好缺点：决策树

4、不能编辑打印，缺乏数据预处理阶段的函数，没有示例代码1KnowledgeSEEKER简介应用行业案例：FrostNational银行CRM收益率、客户满意度、产品功效SASI公司利用其开发行业数据挖掘应用软件（零售行业）Montreal银行客户分片、越区销售模型、市场站的准备、抵押支付的预测、信用风险的分析2数据准备使用的样例数据集是从一个团体健康检查中有关高血压的研究项目中得到的。Angoss公司已将这一数据集包括在产品演示中。有关高血压研究方面的数据（表中给出数据集中各个数据列的取值范围及其含义说明）2数据准备数据预处理：1）对数据域

5、中所含的整数值进行标注：Hypertension（高血压）域中可以出现整数值1，2，3，这几个值将分别被标注为低，正常，高。TypeOfMilk域中包含整数值1~5，将分别标注为纯牛奶、2%，脱脂牛奶，奶粉及根本不喝牛奶2）处理导出型的数据域字段Age中包含的值1，2，3分别表示32~50岁、51~62岁及63~73岁。然而，字段Age中通常包含的都是某个人的实际年龄而非整数值1，2，3，因此，字段Age中的值是在数据挖掘开始之前就已经导出了，即按照实际年龄的范围32~50岁、51~62岁及63~73岁对该字段选择适当的值。3定义研究对象

6、1、定义挖掘目标在开始使用KnowledgeSEEKER之前，有必要定义出挖掘的目标。在给定的数据集的例子中展示了哪些饮食因素会对人的血压高低有关键性的影响。其挖掘的目标可以明确地描述为：分析出饮食因素对血压偏低、正常及偏高所产生的影响。3定义研究对象2、启动3定义研究对象3、设置因变量一开始，字段Hypertension就已经被自动设置为因变量。稍后，还将改变因变量的设置。打开bpress数据集之后将出现如图所示的屏幕。3定义研究对象图中的根结点对应的是因变量。在根节点中血压已经分别被分为3类：偏低、正常和偏高。我们现在要了解的是血压偏

7、低、正常和偏高的人都分别具有哪些特征。从图中可以看出：研究对象中有18%的人（即66个人）血压偏低研究对象中有60%的人（即217个人）血压正常研究对象中有21%的人（即77个人）血压偏高4建立模型目前KnowledgeSEEKER已经构造出模型树的下一层分支。当然，模型树还可以自动生成出多层分支。图中的模型树的下一层分支表明上一层的双亲节点是按年龄（age）进行分叉的。年龄只是影响血压的一个变量，但是在目前这个例子中，年龄似乎是导致一个人的血压是否偏高的最重要因素。如图所示，研究对象按年龄分为以下3组：32~50岁，51~62岁，63~

8、73岁它们分别对应于模型树的三个叶节点。此外，还可以用除Age以外的其他字段为模型树创建新的叶节点。在模型树上通过指定其它字段以创建新的叶节点称为分叉。对于当前这个数据集，系统会自动发现12个