基于ROS的智能汽車設(shè)計與實訓教程ML-CZ-chapter1

第1章引言第1章引言感知并智能控制世界上所有的事物，是人類亙古不變的追求。人與感知設(shè)備、計算存儲設(shè)備、執(zhí)行設(shè)備構(gòu)成了一個機器治理（machineruling）環(huán)路：借助于物聯(lián)網(wǎng)等技術(shù)，感知設(shè)備實時采集有關(guān)人與物理世界的數(shù)據(jù)可使用機器學習方法進一步分析處理這些數(shù)據(jù)

2

第1章引言

31.1機器學習簡史1.2什么是機器學習1.3機器學習的應用1.4機器學習方法的實現(xiàn)

1.2什么是機器學習

4

“MachineLearningisthescienceofgettingcomputerstolearnandactlikehumansdo,andimprovetheirlearningovertimeinautonomousfashion,byfeedingthemdataandinformationintheformofobservationsandreal-worldinteractions.”“機器學習是使計算機像人類一樣學習和行動的科學，并通過以觀察和與真實世界交互的形式向計算機提供數(shù)據(jù)和信息，從而隨著時間的推移以自主方式改善其學習?！?.2什么是機器學習

5

AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,asmeasuredbyP,improveswithexperienceE.如果某計算機程序在任務(wù)T中的性能（由性能指標P衡量）隨經(jīng)驗E有所提高，則認為該程序可以從經(jīng)驗E中學習。1.4機器學習方法的實現(xiàn)【實驗1-1】用Python實現(xiàn)兩個數(shù)組中對應元素相乘并累加，即點積運算。用for循環(huán)實現(xiàn)，給出計算結(jié)果，并給出這段程序的運行時長。提示：獲取以秒為單位的當前時間可使用time.perf_counter()函數(shù)，需要先importtime計算結(jié)果為：832333500

6

1.4機器學習方法的實現(xiàn)函數(shù)功能說明np.array()

創(chuàng)建一個數(shù)組np.arange()

返回一個由等差數(shù)列元素組成的數(shù)組，通常公差為整數(shù)時使用該函數(shù)np.linspace()

返回一個由等差數(shù)列元素組成的數(shù)組，公差不為整數(shù)時也可使用該函數(shù)，但使用該函數(shù)時通常需給出數(shù)組的大小np.shape()

返回數(shù)組的形狀np.reshape()

改變數(shù)組（包括矩陣、向量）的形狀np.zeros()

創(chuàng)建一個各元素值都為0的數(shù)組np.ones()

創(chuàng)建一個各元素值都為1的數(shù)組np.dot()

計算兩個數(shù)組（包括矩陣、向量）的點積np.sum()

計算數(shù)組指定軸上的元素之和np.amax()

返回數(shù)組指定軸上元素的最大值np.amin()

返回數(shù)組指定軸上元素的最小值np.argmax()

返回數(shù)組指定軸上元素的最大值的索引np.argmin()

返回數(shù)組指定軸上元素的最小值的索引np.mean()

計算數(shù)組指定軸上元素的算術(shù)平均值np.std()

計算數(shù)組指定軸上元素的標準差np.sqrt()

計算數(shù)組中各元素的非負平方根np.exp()

計算數(shù)組中各元素的自然指數(shù)函數(shù)值np.log()

計算數(shù)組中各元素的自然對數(shù)rng=np.random.default_rng(seed)

使用隨機種子seed構(gòu)造一個隨機數(shù)生成器rngrng.shuffle()

沿數(shù)組的指定軸隨機排序子數(shù)組rng.random()egers()

返回指定區(qū)間內(nèi)均勻分布的隨機整數(shù)rng.normal()

返回正態(tài)分布（高斯分布）的隨機浮點數(shù)

7

1.4機器學習方法的實現(xiàn)【實驗1-2】實現(xiàn)實驗1-1中的點積運算。用NumPy庫實現(xiàn)，給出計算結(jié)果，并給出這段程序的運行時長。提示：可使用np.arange()函數(shù)和np.dot()函數(shù)，先importnumpyasnp計算結(jié)果同樣為：832333500

8

1.4機器學習方法的實現(xiàn)

9

為什么使用向量或矩陣（而非使用循環(huán)）進行運算，可以節(jié)省程序運行時間？1.4機器學習方法的實現(xiàn)

10

函數(shù)功能說明plt.figure()

新建一個圖形或激活已有圖形plt.plot()

畫平面直角坐標系下的點（或標記）及其之間的連線，其前兩個參數(shù)通常為由點（或標記）的橫坐標和縱坐標分別組成的兩個數(shù)組plt.xlabel()

設(shè)置橫軸的標簽plt.ylabel()

設(shè)置縱軸的標簽plt.title()

設(shè)置圖形的標題plt.show()

顯示圖形p