课堂笔记-人工智能引论-20261012
(复习)人工智能的主要学派
符号主义
- 主算法:逻辑推理
- 成果:定理机器证明、专家系统
链接主义
- 主算法:反向传播算法
- 成果:人工神经网络
行为主义
- 主算法:进化算法、强化学习
- 成果:群智能优化、强化学习
(复习)Python 模块与库
模块是一个有函数和变量的Python源代码文件。库则是许多模块的集合,完成特定的功能。
import 库名
库名.函数名(输入值)
# 导入整个库,此时调用库中的函数需要在前面加库名
import 库名 as 别名
别名.函数名(输入值)
# 导入整个库并别名
from 库名 import 函数名
函数名(输入值)
# 从某个库中导入特定函数,此时调用库中的函数无需在前面加库名Python内置的标准库:random / math
Python常见的第三方库:pandas / numpy
Python 安装库
pip可用于安装Python第三方库
注:pip不能在Python解释器环境下使用,需要在电脑终端(bash/cmd/powershell)中打开本机命令行输入指令。
输入以下指令安装numpy
pip install numpy
Python 类和对象
- 类:对象的模板,定义这个类中的对象的共同属性和行为
- 对象:根据类创建的具体实例
# 类的定义
class <类名>:
<语句块>
# 类的实例化(用类创建对象)
<对象名> = <类名>()
例:病人类
class Patient:
def __init__(self,name,age):
self.name = name
self.age = age
# 注:"__init__"称为构造函数,注意左右两边是双下划线
# 实例化
p1 = Patient("张三",45)
p2 = Patient("李四",35)
print(p1.age)Python 常用库
- 科学计算库:Numpy / Pandas
- 数据可视化库:Matplotlib
- 机器学习库:Scikit-learn
Numpy 示例
np.array([[1,2,3],[4,5,6]])
# 从可迭代对象生成一维/多维数组
np.linspace(0,1,5)
# 按间隔生成数组
np.random.uniform(1,10)
np.random.uniform(1,10,(2,3)) # 两行三列的二维数组
# 生成随机浮点数/浮点数数组
np.random.randint(1,10)
np.random.randint(1,10,(2,3))
# 生成随机整数/整数数组
np.random.choice([1,2,3,4],2)
# 从一维数组中抽数
np.random.seed()
# 设置随机种子
.shape
.ndim
# 常用属性
.sqrt() # 对数组的元素求平方根
.sum() # 计算数组的总和或某条轴上的和
.round() # 四舍五入
.max() # 计算数组或某条轴上的最大值
.min()
.argmax() # 计算数组或某条轴上的最大值(返回索引位置)
.argmin()
.dot() # 矩阵乘法
例:数据缩放
import numpy as np
data = np.array([[25,80],[32,95],[18,65],[40,100]])
data_min = data.min(axis=0)
data_max = data.max(axis=0)
norm_data = (data-data_min)/(data_max-data_min)
print(norm_data)
Pandas 示例
import pandas as pd
# 常用函数
pd.DataFrame() # 创建二维表格
pd.read_csv() # 从CSV表格创建
# 常用方法
.head() # 预览数据前几行
.info() # 查看数据类型和缺失值情况
.describe() # 统计数值数据分布特征
.drop() # 删除特定行和列
# 常用属性
.shape
.columnsMatplotlib 示例
import matplotlib.pyplot as plt
plt.figure(x,y) # 创建画布(英寸x英寸)
plt.subplot(x,y,a) # 划分画布为网格,并在其中一个网格(子图)上绘图
plt.plot(x,y) # 绘制折线图
plt.scatter(x,y) # 绘制散点图
plt.bar(x,height) # 绘制柱状图
plt.title("") # 设置图表标题
plt.xlabel("") # 设置X轴标签
plt.ylabel("") # 设置Y轴标签
plt.legend() # 显示图例
plt.grid() # 添加网格线
plt.tight_layout() # 调整子图间距
plt.show() # 显示图形