第10课　校园垃圾分类小助手——字典模型训练与预测

单元二

第10课　校园垃圾分类小助手——字典模型训练与预测

一、任务目标

理解字典模型把「特征或词语→标签」记下来，训练是写入对应关系，预测是按键取出标签；能对未见面的词语给出类别或「未知」。

二、我们要学什么

学习要点：校园垃圾分类小助手｜字典模型训练与预测
本课过关：能完成：说出训练是把例子写入字典，预测是按键查找；载入体验程序，指出见过的词返回标签、未见过的返回未知；增补一条训练后再预测，结果跟着变。
示例对齐：体验题对应本课「编程体验」；完整代码对应编程题1；补全与独立编写对应编程题2–3。均在 Mixly 图形化积木中完成。

三、本节要点

本课要认识字典模型。重难点是未见过的键不能乱猜，应返回未知。要点对齐「校园垃圾分类小助手｜字典模型训练与预测」。

1读场景明确真实任务

2对要点校园垃圾分类小助手｜字典模型训练与预测

3载入运行图形化积木

四、解题思路

任务：用字典记住词语与标签，再对新年词预测。请分清：训练写入，预测查找。

本课主要用到：Mixly 图形化积木与屏幕输出。

1明确任务「训练后预测」：见过的词给标签，未见过的给未知。
2先把训练对写入字典，再按输入词查找。
3增补一条训练对后重测，观察新词是否被认出来。

流程示意（可对照左侧文字）

五、图形块功能讲解

下面只列出本课首次出现的 Mixly 图形块（真积木截图）。已在前面课讲过的不再重复；先认新块，再点「载入」对照拖搭。

图形块	分类	作用	本课用法
	机器学习	对新样本给出预测结果。	本课编程练习中首次使用，载入后可在工具箱对照。

六、知识点讲解

字典模型把「词语对应标签」存起来：训练是写入，预测是按键取出。本课用校园垃圾分类作例子——见过的词返回对应标签；未见过的词应返回「未知」，不要强行分类。这是有监督分类的一种可观察实现。

先弄清：训练写入、预测查找；再进编程练习对照标签。

七、编程练习

用下拉列表切换题目；下方 Mixly 默认显示图形化积木。请在 Mixly 工具栏点「运行」；「检查」读取 Mixly 代码自动判题。请先读本页「四、解题思路」与「五、图形块功能讲解」，再点载入。

选择题目

参考代码（对照抄写到下方 Mixly）

train = [("纸盒", "可回收"), ("香蕉皮", "厨余"), ("报纸", "可回收"), ("剩菜", "厨余")]

def build_model(data):
    model = {}
    for i in range(len(data)):
        name = data[i][0]
        lab = data[i][1]
        model[name] = lab
    return model

def predict(model, name):
    return model.get(name, "未知")

model = build_model(train)
print(predict(model, "纸盒"))
print(predict(model, "电池"))

九、本节小结

本课主题是字典模型：训练写入「词语→标签」，预测按键查找。未见过的词返回未知。