8-3糖尿病病情预测实战

第三次课（90分钟）：真正可用！糖尿病病情预测实战

• 教学定位： 成就感爆发课！ 丢掉前面的底层数学手工代码，正式用 scikit-learn 工业级武器大刀阔斧解决实际问题。
• 对应课本： 8.3 实战（糖尿病预测）

⏱️ 90分钟时间分配与知识点：

• 【15分钟】认识数据（第7章数据集的具象化）：

• 知识点： 特征（X：年龄、性别、血压等）与标签（y：一年后病情发展的量化指标）。

• 实战技巧： 带学生用 Pandas 的 pd.read_csv() 或者 sklearn.datasets.load_diabetes() 把表格打印出来。告诉学生：机器学习不神秘，本质就是算这个 Excel 表格。

• 【40分钟】工业级 5 步法套路（核心成果落地）：

• 知识点： train_test_split 划分数据集、LinearRegression 模型实例化、fit() 训练、predict() 预测、mean_squared_error 评估。

• 备课心法： 这就是我之前说的万能填空模板。在前 25 分钟，让全班跟着你把这 5 步敲完、跑通。后 15 分钟，教他们看评估分数。

• 【25分钟】独立魔改与PK（课堂高潮）：

• 任务： 课本上可能只用了一个特征，让学生尝试把所有特征（多维线性回归）都丢进模型里，看看预测的误差是变大了还是变小了。全班比一比谁调出来的模型误差最小。

• 【10分钟】大总结： 总结从二次函数、手工梯度下降，到最后调库的完整闭环。