中二 ICT｜人工智能与机器学习入门备课指引（导师用）

中二 ICT｜人工智能与机器学习入门备课指引（导师用）｜训练与测试集、准确率、偏误

2026-11-13

学生个个听过人工智能，但问他一个“九成准”的模型值不值得信，多数只答“九成就好啦”。这一堂教他用三个数字判断：训练集几多、测试集几多、错的是哪一类。

本堂目标　学生能够：① 讲出为何要把 200 张图分成训练集 160 张（八成）与测试集 40 张（两成），并讲出测试集不可用来调参；② 算出准确率：40 张测试答对 36 张即 90%，并算出“全部答猫”的基准线只有 60%，证明九成不是白撞；③ 用训练 95%（152/160）与测试 90%（36/40）相差 5 个百分点解释过度拟合，并讲出偏误的一个具体来源。

01　先备知识（开课前 3 分钟快检）

以下任何一项未过关，本堂就会卡住，先补该项：

技能	快检题	过关标准
百分比	40 分之 36 化成百分比是多少？	90%，因为 36 除 40 等于 0.9
比例	200 张按八成二成分两份，各几张？	训练 160 张、测试 40 张
百分点比较	95% 与 90% 相差几多个百分点？	5 个百分点，不是 5%

02　课堂流程（45 分钟）

时间	环节	导师做什么	学生做什么
0-5 分钟	先估一估	板书“有个模型答对九成，你信不信”，再问“如果全部答同一类呢”	先举手话信，再开始怀疑
5-13 分钟	资料分两份	用 200 张图示范 160 与 40，讲明测试集要锁起	能讲出 80 对 20，并讲出测试集不可调参
13-22 分钟	准确率与基准线	由 36 除 40 算出 90%，再算全部答猫的 24 除 40 等于 60%	两个百分比都算对，并讲出差 30 个百分点
22-32 分钟	过度拟合与偏误	对比 152 除 160 等于 95%，问为何同测试差 5 个百分点	能讲出“背了训练集”与“资料不够杂”
32-40 分钟	题型四类	划分资料、算准确率、比基准线、讲偏误各一题	四题都写出步骤
40-45 分钟	离场检查	收三题即场批改，指出下堂补哪一幕	交三题

03　讲解脚本（照着说就可以）

第一幕：第一幕：训练集用来学，测试集用来验

“我们有 200 张动物图片，120 张猫、80 张狗。先拿八成即 160 张做训练集，剩下两成即 40 张做测试集。为什么要分开？因为你要知道自己有没有背答案。训练集就系课本，测试集就系考试卷；考试卷的答案，你调参数时是不可以看的。最常见的错系用测试集成绩去调模型，调到好为止，然后再报那个成绩，等于先看答案再考试，成绩没有意义。口诀：训练集用来学，测试集用来验，测试集只准用一次。”

训练集用来学，测试集用来验，测试集调参就等于偷看答案。

第二幕：第二幕：准确率系答对除总数，仲要有一条基准线

“测试集 40 张，24 张系猫，16 张系狗。模型答对 36 张，所以准确率系 36 除 40 等于 0.9，即 90%。错的 4 张，2 张猫当成狗，2 张狗当成猫。但 90% 算不算好？要有一条基准线：如果模型懒到全部答‘猫’，它答对 24 张，即 24 除 40 等于 60%。所以 90% 比 60% 高出 30 个百分点，才算真本事。最常见的误解系只看准确率不看分布：如果测试集 40 张里面 39 张系猫，全部答猫就有 97.5%，仲高过我们的模型。所以报准确率，一定要同时报类别比例。”

准确率系答对除总数，一定要同全部答同一类的基准线比。

第三幕：第三幕：训练 95%、测试 90%，差距讲的是背书

“训练集 160 张，模型答对 152 张，即 95%；测试集 90%。相差 5 个百分点。如果模型真系学会‘猫有尖耳、圆脸’，两边应该差不多；差距越大，越似背了训练集，这叫过度拟合。偏误从哪里来？假设训练集 120 张猫全部系白猫，模型就可能学成‘白色就系猫’，测试一出现黑猫就错。所以偏误不是模型坏，系资料不够杂。三个补救方向：一，加不同颜色的图；二，检查标签有没有贴错；三，划分训练与测试之前先打乱次序。最常见的误解系以为加多几层就解决，其实资料偏，加几多层都学不到。”

训练同测试差距大就系背书；偏误来自资料不够杂。

04　必教题型与步骤

题型	例子	步骤	答案
划分资料集	300 张图按八成二成分两份，各几张？	（1）总数乘 0.8（2）总数乘 0.2（3）两数相加核对（4）写单位“张”	训练 240 张、测试 60 张
准确率	测试 50 张答对 43 张，准确率几多？	（1）答对除总数（2）写成小数（3）化成百分比（4）核对在 0 与 100% 之间	43 ÷ 50 = 0.86，即 86%
基准线比较	测试集 40 张中 24 张是猫，全部答猫的准确率几多？	（1）找最大类别（2）该类别数除总数（3）化成百分比（4）与模型比较	24 ÷ 40 = 60%，模型 90% 高出 30 个百分点
偏误分析	训练集的猫全部是白猫，测试时黑猫多数答错，原因是什么？	（1）指出资料偏（2）讲出模型学了颜色（3）提出补救（4）不要答“模型坏”	资料偏误：模型学成白色等于猫；要加入不同颜色的样本并检查标签

合理性检查（一定要教）：合理性检查：训练集加测试集一定等于总数（160 加 40 等于 200）；准确率一定在 0 与 1 之间，写成 90 就一定忘了化成百分比；基准线不可大过 100%，若算出 97.5% 表示测试集类别极不平衡，要指出来；训练准确率通常高过测试准确率，若测试反而高出很多，多数是测试集太细（例如只有 5 张，错 1 张就掉 20 个百分点）。

05　独立练习三题

题目	答案	想观察什么
200 张图按八成二成分两份，各几张？	训练 160 张、测试 40 张	要讲出“八成”是训练集而非测试集
测试 40 张答对 36 张，准确率几多？	36 ÷ 40 = 0.9，即 90%	要写百分号，不可只写 0.9
训练 95%、测试 90%，相差 5 个百分点说明什么？	模型可能背了训练集（过度拟合），要加多样本或加强验证	答“模型好准”就系未掌握

06　学生常见错误与纠正句

错误	学生通常这样写	导师这样说
用测试集调参数	“我调到测试有 95% 先停手。”	“测试集一调就报废。你应该在训练集里面再切一份验证集来调，测试集留到最后只看一次。”
只报准确率不报类别比例	“九成准，好劲。”	“九成要同基准线比。如果测试集大部分系同一类，全部答那一类都有九成半，你这个九成其实差过乱答。”
把百分比写成整数	“准确率系 90。”	“90 系数目，不系百分比。36 除 40 等于 0.9，写成 90% 或者 90 percent。”
以为加多几层解决偏误	“模型不够深，加多几层就得。”	“资料偏，加深都系学错。全部白猫的训练集只会训练出更自信的错误答案，先加不同颜色的图。”

07　家课建议（直接指到练习卷题号）

章节练习：把 200 张图分成训练与测试，写出两个数字　人工智能章节，练习第一题
章节练习：算两个准确率并与基准线比较　人工智能章节，练习第二题
延伸：找一个手机里的分类功能（相簿人脸、垃圾短讯），写出它可能学错的一种情况　人工智能章节，练习第三题

08　离场检查（最后 5 分钟）

题目	答案	判定
为什么测试集不可以调参？	等于先看答案再考试，成绩会偏高而无意义	答不出就重讲第一幕
测试 40 张答对 36 张，准确率几多？	90%（36 ÷ 40）	答 36 表示未除总数，重讲第二幕
训练 95%、测试 90% 的差距说明什么？	可能过度拟合，即背了训练集	答“模型好准”就重讲第三幕

09　导师常问

要教神经网络结构吗？

中二不需要。用“资料、训练、测试、准确率、偏误”五个词讲完整堂，网络结构留到高中。学生能用三个数字判断一个模型可不可信，比画出神经元更有用。

需要电脑才能教吗？

不需要。200 张图可以用 200 张卡纸代替，或者用班房点名做例子：八成同学做训练、两成做测试，手算百分比一样达到目标。

要不要讲聊天机器人？

可以讲一句，但不要花时间示范。重点是“它也会错，错的方式同资料有关”；讲太多产品会令学生以为人工智能等于聊天机器人。

立即免费找导师导师登记 →

本页为 TutorZone 导师备课指引，内容由 TutorZone 团队编写；题目与流程为原创，并非任何学校或出版社的教材。