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

用标注数据“训练”字典模型，再预测新名称。

二、知识点短列表

最小有监督闭环：训练数据→模型→预测。
「build_model」：从样本学成字典（本课名称不重复）。
「模型预测」：查字典；没有则“未知”。
「model」：安全读取。
项目要能说清：数据从哪来、怎么测、未知怎么处理。
本课假定训练名称不重复；若重复出现，后写入的标签会覆盖先前的值。
「model」比直接「model[name]」安全，键不存在时不会抛错。

三、机器学习在说什么

字典模型把“记住见过的例子”做到极致：见过的名称原样回答，没见过的承认未知。它不会举一反三到近义词，但这正适合小学理解“训练／预测”两个阶段的分工。

真正的垃圾分类系统会用图像特征等，但接口思想相同：先 fit／train，再 predict。本课用透明字典，避免黑箱，让你看见模型里到底存了什么。

单元收束：有标签→可训练；训练后要预测；未知要诚实；人决定是否上线小助手。

把第6–10课串成故事给家长听：先有标签分类，再把标签统计清楚，再学会用正确率考试，再做一次数值预测，最后用字典模型跑通训练与预测。故事说得顺，说明有监督闭环真的进了脑子，而不是只记住五个函数名。

项目答辩三句模板：①数据来自……共几条；②模型是字典，见过的查得到，没见过返回未知；③我们用……测试，人决定是否在校园试用。缺一句就补一句，再展示代码。

四、相关积木怎么用

空字典「model = {}」，循环「model[name]=lab」。
预测：「return model」。
迷你例子：训练含纸盒后，「模型预测」→可回收；电池→未知。

走查：先「model=build_model」，再「模型预测」 → 可回收，因为字典里已有该键。再「模型预测」 → 未知，因为 get 找不到键时返回默认值。

想一想：若训练后再追加 ("电池","有害") 并重新 build_model，此时 predict 电池应返回什么？

项目答辩追问三条：模型里现在有几个键？未见过的名称返回什么字符串？若要让电池从未知变有害，你改的是训练表还是手工改字典？答错第三条（去手工改字典）扣分——必须重建 build_model，保持训练／预测两阶段清晰。

闭环口令：采、标、训、测——训是 build_model，回答新样本是 predict。字典模型不会自动认识近义词。更新姿势：改训练表→重新 build_model→再 predict，不要手工改字典却声称训练过。

要点串讲：有监督闭环＝训练数据→模型→预测；build_model 写入字典；predict 用 get 默认未知；项目要讲清来源、测法与未知策略。本课过关标准：演示见过与未见过两种预测，并答出“为何未知”。加练：向模型追加一条（电池, 有害）重新 build_model，再 predict 电池，观察从未知变为有害——理解训练更新模型。

五、操作步骤

步骤1

准备 train列出若干（名称, 标签）垃圾样本。

步骤2

build_model写入字典并返回 model。

步骤3

写 predict用 get 提供默认“未知”。

步骤4

演示闭环对见过与未见过名称各预测一次。

六、解题思路

任务：用标注数据“训练”字典模型，再预测新名称。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「用标注数据“训练”字典模型，再预测新名称。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用「打印」积木把结果说出来，确认屏幕上出现预期内容。
3找出重复动作，用「计数循环／遍历」积木写成循环，少抄几遍。
4把可复用的一段动作做成函数，主程序里调用它。
5对照参考积木（或代码）跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

七、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。

即时验算：训练含纸盒后 predict 纸盒→可回收；predict 电池→未知。追加（电池,有害）并重建模型后，电池应变为有害。三步演示能口述，项目才算闭合。get 默认未知比直接下标安全。名称重复以后写覆盖。训与测两阶段分清，切勿混淆。

局限声明模板：本模型只会训练集里出现过的名称；近义词不会自动识别；未知表示需要人工或补数据。演示结尾必读这三句，否则评委追问“为什么不会认旧报纸”时无法回答。

九、知识点讲解

闭环指「输入 → 处理 → 输出」连成完整一圈，并能再次接收下一次输入：听见口令／按下按键 → 识别或判断 → 播报、亮灯或动作 → 回到可继续交互的状态。语音交互、播报只是环上的环节，不是并列的三个知识点；任一环缺失，交互就会断掉。

自检：改一个输入，输出是否跟着变？变完能否继续听下一次？
排错：先看有没有输入，再看判断条件，最后看播报／执行是否接到。

先弄清本课输入与输出，再进编程练习对照现象。

十、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。

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"))

十一、本节小结

你现在能用 build_model 把标注表写入字典，再用「模型预测」查询并在未见样本时返回未知；局限三句能口述；更新必须重建模型。下一单元用无标签归堆与距离，处理没有标准类别名的任务。