第9课：《预测未来：蔬菜价格的秘密》

【学习目标】

• 了解影响蔬菜价格的关键因素及筛选方法

• 掌握分类型、数值型、特征型三种数据量化方法

• 理解线性回归模型预测价格的基本原理

【情境导入】

菜市场里，王阿姨最近很犯愁：冬天小白菜为什么比夏天贵？西红柿价格为什么忽高忽低？青椒前几天2元一斤，怎么今天就3元了？其实，蔬菜价格的涨跌不是随机的，背后藏着“价格密码”——气温、降雨量、供应量、节假日等因素都在悄悄影响价格。如果我们能破解这些密码，就能预测未来的菜价！今天，我们就来当一回“蔬菜价格预测师”，用AI的线性回归模型帮王阿姨预测菜价！

【知识大揭秘】

蔬菜价格预测的核心是找到影响价格的关键因素，并把它们变成AI能理解的数字。这个过程分为三步：

第一步：筛选关键因素。通过观察和分析，我们发现蔬菜价格主要受以下因素影响：气温（太冷太热都会影响产量）、降雨量（暴雨影响运输和采摘）、市场供应量（货多便宜、货少贵）、节假日（需求增加推高价格）。不同的蔬菜受不同因素影响程度不同：小白菜主要受季节气温影响，西红柿对天气变化敏感，青椒价格主要看供应量。

第二步：数据量化。把影响因素变成数字有三种方法：
- 分类型量化：用1和0表示“是”和“否”。比如节假日=1，非节假日=0。
- 数值型量化：直接使用带单位的数值。比如气温=-7℃，降雨量=15mm，供应量=6吨。
- 特征型量化：根据适宜程度打分。比如西红柿最适宜温度是20-28℃，在这个范围内打3分，偏离一点打2分，严重偏离打1分。

第三步：线性回归预测。线性回归是一种简单的AI预测方法，它假设价格和各因素之间存在“线性关系”——就像画一条最合适的直线来拟合数据点。比如，气温每降低1度，小白菜价格可能上涨0.2元。AI通过分析历史数据，找到这些规律，就能根据今天的气温、供应量等数据预测明天的菜价。

【生活案例】王阿姨的“AI菜价助手”
王阿姨用AI价格预测工具输入了今天的气温（-5℃）、降雨量（0mm）、供应量（3吨）、是否节假日（否），AI预测明天小白菜价格为3.8元/斤。第二天一看，实际价格是3.6元/斤——预测很接近！但有一次暴雨天，AI预测4.2元，实际却涨到了5元——因为暴雨导致运输中断，这个因素AI没有考虑到。预测不可能100%准确，但能帮我们做出更好的决策。

【AI看图学】

【动手玩一玩】

任务：量化蔬菜价格的影响因素

步骤：
1. 选择一种蔬菜（如小白菜），记录它最近5天的价格
2. 同时记录每天的影响因素：气温、是否下雨、供应量多少、是否节假日
3. 用三种量化方法把因素变成数字：
   - 节假日：是=1，否=0
   - 气温：直接记录数值（如-3℃）
   - 供应量：多=3，一般=2，少=1
4. 观察价格变化和哪些因素最相关

预期结果：你会发现价格变化和某些因素有明显关联，比如气温低时价格偏高，节假日时价格也偏高。

【思考与延伸】

线性回归假设价格和因素之间是“直线关系”，但现实中价格变化可能是曲线的。你觉得这种简单的预测方法有什么局限？