人工智能课程概述

⼈⼯智能课程概述

⼀、⼈⼯智能课程概述

1. 什么是⼈⼯智能

⼈⼯智能（Artificial Intelligence）是计算机科学的⼀个分⽀学科，主要研究⽤计算机模拟⼈的思考⽅式和⾏为⽅式，从⽽在某些领域代替

⼈进⾏⼯作.

1975年图灵奖获得者、1978年诺贝尔经济学奖获得者、著名学者赫伯特.西蒙（Herbert Simon）曾下过⼀个定义：如果⼀个系统，能够

通过执⾏某个过程，就此改进了它的性能，那么这个过程就是学习.由此可看出，学习的⽬的就是改善性能.

卡耐基梅隆⼤学机器学习和⼈⼯智能教授汤姆.⽶切尔（Tom Mitchell）在他的经典教材《机器学习》中，给出了更为具体的定义：对于某

2) 批量学习、增量学习

a) 批量学习

将学习过程和应⽤过程分开，⽤全部训练数据训练模型，然后再在应⽤场景中进⾏预测，当预测结果不够理想时，重新回到学习过程，如此

循环.

b) 增量学习

将学习过程和应⽤过程统⼀起来，在应⽤的同时，以增量的⽅式不断学习新的内容，边训练、边预测.

3) 基于模型学习、基于实例学习

a) 基于模型的学习

根据样本数据，建⽴⽤于联系输出和输出的某种数学模型，将待预测输⼊带⼊该模型，预测其结果. 例如有如下输⼊输出关系：

输⼊（x）输出（y）

12

24

36

48

根据数据，得到模型

y=2x

预测：输⼊9时，输出是多少？

b) 基于实例的学习

根据以往经验，寻找与待预测输⼊最接近的样本，以其输出作为预测结果（从数据中⼼找答案）. 例如有如下⼀组数据：

学历(x1)⼯作经验(x2)性别(x3)⽉薪(y)

本科3男8000

硕⼠2⼥10000

博⼠2男15000

预测：本科，3，男 ==> 薪资？

5. 机器学习的⼀般过程(重点)

1. 数据收集，⼿段如⼿⼯采集、设备⾃动化采集、爬⾍等

2. 数据清洗：数据规范、具有较⼤误差的、没有意义的数据进⾏清理

7. 应⽤模型

8. 模型维护

6. 机器学习的典型应⽤

1. 股价预测

2. 推荐引擎

3. ⾃然语⾔处理

4. 语⾳处理：语⾳识别、语⾳合成

5. 图像识别、⼈脸识别

1. 数据预处理的⽬的

1）去除⽆效数据、不规范数据、错误数据

2）补齐缺失值

3）对数据范围、量纲、格式、类型进⾏统⼀化处理，更容易进⾏后续计算

2. 预处理⽅法

1）标准化（均值移除）

让样本矩阵中的每⼀列的平均值为0，标准差为1. 如有三个数a, b, c，则平均值为：

m=(a+b+c)/3

a=a−m

′

b=b−m

′

c=c−m

′

预处理后的平均值为0：

(a+((a+b+c)−3m)/3=0

′′′

b+c)/3=

预处理后的标准差：

s=sqrt(((a−m)+

222

(b−m)+(c−m))/3)

a=a/s

′′

b=b/s

′′

c=c/s

′′

s=sqrt(((a/s)+

′′′2′2′2

(b/s)+(c/s))/3)

KaTeX par error: Double superscript at position 11: =sqrt((a' ^ 2 + b' ^ 2 + c…

=1

标准差：⼜称均⽅差，是离均差平⽅的算术平均数的平⽅根，⽤σ表⽰ ，标准差能反映⼀个数据集的离散程度

代码⽰例：

#

数据预处理之：均值移除⽰例

import numpy as np

import sklearn.preprocessing as sp

#

样本数据

raw_samples = np.array([

[3.0, -1.0, 2.0],

[0.0, 4.0, 3.0],

[1.0, -4.0, 2.0]

])

print(raw_samples)

print(raw_samples.mean(axis=0)) #

求每列的平均值

print(raw_samples.std(axis=0)) #

求每列标准差

std_samples = raw_samples.copy() #

复制样本数据

for col in std_samples.T: #

遍历每列

col_mean = col.mean() #

计算平均数

col_std = col.std() #

求标准差

col -= col_mean #

减平均值

col /= col_std #

除标准差

print(std_samples)

print(std_samples.mean(axis=0))

print(std_samples.std(axis=0))

我们也可以通过sklearn提供函数实现同样的功能，如下⾯代码所⽰：

std_samples = sp.scale(raw_samples) #

求标准移除

print(std_samples)

print(std_samples.mean(axis=0))

print(std_samples.std(axis=0))

2）范围缩放

将样本矩阵中的每⼀列最⼩值和最⼤值设定为相同的区间，统⼀各特征值的范围.如有a, b, c三个数，其中b为最⼩值，c为最⼤值，则：

a=a−b

′

b=b−b

′

c=c−b

′

缩放计算⽅式如下公式所⽰：

a=a/c

′′′′

b=b/c

′′′′

c=c/c

′′′′

计算完成后，最⼩值为0，最⼤值为1.以下是⼀个范围缩放的⽰例.

# 数据预处理之：范围缩放

import numpy as np

import cessing as sp

# 样本数据

raw_samples = ([

[1.0, 2.0, 3.0],

[4.0, 5.0, 6.0],

[7.0, 8.0, 9.0]]).astype("float64")

# print(raw_samples)

mms_samples = raw_() # 复制样本数据

for col in mms_samples.T:

col_min = ()

col_max = ()

col -= col_min

col /= (col_max - col_min)

print(mms_samples)

我们也可以通过sklearn提供的对象实现同样的功能，如下⾯代码所⽰：

# 根据给定范围创建⼀个范围缩放器对象

# 数据预处理之：归⼀化

import numpy as np

import cessing as sp

# 样本数据

raw_samples = ([

[10.0, 20.0, 5.0],

[8.0, 10.0, 1.0]

])

print(raw_samples)

nor_samples = raw_() # 复制样本数据

for row in nor_samples:

row /= abs(row).sum() # 先对⾏求绝对值，再求和，再除以绝对值之和

print(nor_samples) # 打印结果

在sklearn库中，可以调⽤ize()函数进⾏归⼀化处理，函数原型为：

ize(原始样本, norm='l2')

# l1: l1范数，除以向量中各元素绝对值之和

根据⼀个特征中值的个数来建⽴⼀个由⼀个1和若⼲个0组成的序列，⽤来序列对所有的特征值进⾏编码.例如有如下样本：

⎡⎤

132

⎢⎥

754

⎢⎥

186

⎣⎦

739

对于第⼀列，有两个值，1使⽤10编码，7使⽤01编码

对于第⼆列，有三个值，3使⽤100编码，5使⽤010编码，8使⽤001编码

[[1 0 1 0 0 1 0 0 0]

[0 1 0 1 0 0 1 0 0]

[1 0 0 0 1 0 0 1 0]

[0 1 1 0 0 0 0 0 1]]

[[1 3 2]

[7 5 4]

[1 8 6]

[7 3 9]]

6）标签编码

根据字符串形式的特征值在特征序列中的位置，来为其指定⼀个数字标签，⽤于提供给基于数值算法的学习模型.代码如下所⽰：

# 标签编码

import numpy as np

import cessing as sp

raw_samples = (['audi', 'ford', 'audi',

'bmw','ford', 'bmw'])

lb_encoder = ncoder() # 定义标签编码对象

lb_samples = lb__transform(raw_samples) # 执⾏标签编码

print(lb_samples)

print(lb_e_transform(lb_samples)) # 逆向转换

执⾏结果：

[0 2 0 1 2 1]

原始数据：

[[0, 150, 200],

[1, 180, 223],

[2, 190, 255]]

转换后的数据：

[[0, 0, 255],

[0, 0, 255],

[0, 0, 255]]