Python語(yǔ)言程序設(shè)計(jì)（微課版）-課件 CH16-人工智能程序設(shè)計(jì)

第16章

人工智能程序設(shè)計(jì)機(jī)器學(xué)習(xí)01.人工智能概念03.百度AI開(kāi)放平臺(tái)02.scikit-learn庫(kù)04.綜合案例主要內(nèi)容1人工智能概念人工智能人工智能（AI，ArtificialIntelligence）是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)機(jī)器學(xué)習(xí)是讓計(jì)算機(jī)具備像人一樣的學(xué)習(xí)能力，進(jìn)而從數(shù)據(jù)中尋找出有用的知識(shí)機(jī)器學(xué)習(xí)應(yīng)用垃圾郵件過(guò)濾推薦系統(tǒng)：購(gòu)物推薦語(yǔ)音識(shí)別：錄音筆文字識(shí)別：翻譯筆圖像識(shí)別：自動(dòng)駕駛NLP（自然語(yǔ)言處理）2scikit-learn庫(kù)scikit-learn庫(kù)機(jī)器學(xué)習(xí)庫(kù)簡(jiǎn)單線性回歸scikit-learn庫(kù)scikit-learn（也稱(chēng)為sklearn）是針對(duì)Python編程語(yǔ)言的免費(fèi)軟件機(jī)器學(xué)習(xí)庫(kù)具有各種分類(lèi)、回歸和聚類(lèi)算法sklearn庫(kù)中不僅提供了各種機(jī)器學(xué)習(xí)算法，同樣提供了機(jī)器學(xué)習(xí)數(shù)據(jù)scikit-learn庫(kù)回歸分類(lèi)SVM樸素貝葉斯決策樹(shù)隨機(jī)森林scikit-learn庫(kù)回歸分析回歸分析是利用回歸方程對(duì)一個(gè)或多個(gè)自變量和因變量之間關(guān)系進(jìn)行建模的一種算法被預(yù)測(cè)的變量叫做因變量被用來(lái)進(jìn)行預(yù)測(cè)的變量叫做自變量scikit-learn庫(kù)回歸舉例根據(jù)房屋信息預(yù)測(cè)房屋價(jià)格根據(jù)空氣質(zhì)量檢測(cè)數(shù)據(jù)預(yù)測(cè)空氣質(zhì)量根據(jù)汽車(chē)信息預(yù)測(cè)汽車(chē)價(jià)格根據(jù)銷(xiāo)售信息預(yù)測(cè)銷(xiāo)售數(shù)據(jù)scikit-learn庫(kù)回歸分析分類(lèi)簡(jiǎn)單線性回歸多元線性回歸多項(xiàng)式回歸scikit-learn庫(kù)簡(jiǎn)單線性回歸SimpleLinearRegression包含一個(gè)自變量(x)和一個(gè)因變量(y)變量的關(guān)系用一條直線來(lái)模擬因變量自變量scikit-learn庫(kù)導(dǎo)入模塊fromsklearn.linear_modelimportLinearRegression創(chuàng)建模型model=LinearRegression()model.fit(X_train,y_train)#訓(xùn)練計(jì)算預(yù)測(cè)數(shù)據(jù)model.predict(data)3百度AI開(kāi)放平臺(tái)百度AI開(kāi)放平臺(tái)提供人工智能技術(shù)直接調(diào)用API接口百度AI開(kāi)放平臺(tái)提供多項(xiàng)人工智能技術(shù)無(wú)需掌握復(fù)雜人工智能算法API接口調(diào)用簡(jiǎn)單百度AI開(kāi)放平臺(tái)語(yǔ)音識(shí)別圖像識(shí)別文字識(shí)別人臉識(shí)別自然語(yǔ)言處理AR特效百度AI開(kāi)放平臺(tái)貨幣識(shí)別識(shí)別圖像中的貨幣類(lèi)型，以紙幣為主，正反面均可準(zhǔn)確識(shí)別，接口返回貨幣的名稱(chēng)、代碼、面值、年份信息；可識(shí)別各類(lèi)近代常見(jiàn)貨幣，如美元、歐元、英鎊、法郎、澳大利亞元、俄羅斯盧布、日元、韓元、泰銖、印尼盧比等。通過(guò)HTTP的POST方法請(qǐng)求返回貨幣信息/ai-doc/IMAGERECOGNITION/pk3bcxavy百度AI開(kāi)放平臺(tái)貨幣識(shí)別第一步：注冊(cè)并登錄百度AI賬戶(hù)第二步：點(diǎn)擊左側(cè)菜單欄，選擇貨幣識(shí)別貨幣識(shí)別第三步，創(chuàng)建應(yīng)用第四步：填寫(xiě)應(yīng)用名稱(chēng)和應(yīng)用描述貨幣識(shí)別第五步：查看應(yīng)用詳情，獲取AppID、APIKey、SecretKey第六步：查看貨幣識(shí)別的API文檔貨幣識(shí)別請(qǐng)求URL：/rest/2.0/image-classify/v1/currency請(qǐng)求次數(shù)限制：每天100次請(qǐng)求參數(shù)：image：圖像數(shù)據(jù)，base64編碼，要求base64編碼后大小不超過(guò)4M，最短邊至少15px，最長(zhǎng)邊最大4096px,支持jpg/png/bmp格式貨幣識(shí)別返回結(jié)果：result：dict類(lèi)型currencyName：貨幣名稱(chēng)，無(wú)法識(shí)別返回空currencyCode：貨幣代碼currencyDenomination：貨幣面值year：貨幣年份貨幣識(shí)別貨幣識(shí)別程序基本框架貨幣識(shí)別獲取AccessToken貨幣識(shí)別完整代碼4綜合案例基于sklearn預(yù)測(cè)AQI值數(shù)據(jù)中存儲(chǔ)了天津市2021年每一天的空氣質(zhì)量檢測(cè)數(shù)據(jù)，存儲(chǔ)于CSV文件中。通過(guò)簡(jiǎn)單線性回歸建立PM2.5與AQI的關(guān)系模型，預(yù)測(cè)AQI值。簡(jiǎn)單線性回歸以下是2021年部分PM2.5和AQI數(shù)據(jù)PM2.5AQI51715310358572930115719631223143521651353第一步：讀取數(shù)據(jù)數(shù)據(jù)文件名：AQI預(yù)測(cè)訓(xùn)練數(shù)據(jù).csv第二步：分析數(shù)據(jù)通過(guò)繪制圖表分析PM2.5與AQI之間的關(guān)系第二步：分析數(shù)據(jù)通過(guò)繪制圖表分析PM2.5與AQI之間的關(guān)系第三步：獲