人工智能应用 课件 第6章 体验人工智能.pptx

第六章体验人工智能Technologyempowersthefutureofintelligence——掌握人工智能创造美好生活——

030201CONTENTS数据处理应用案例机器学习应用案例深度学习应用案例目录

数据处理应用案例ANOVERVIEWOFTHEBACKGROUNDANDOBJECTIVESOFTHEPROJECT01

人工智能数据处理在当今信息爆炸的时代，海量的数据成为了人工智能发展的重要基础。人工智能的目标之一就是通过对数据的分析和处理，从中获取有用的信息和知识，以实现自动化的决策和推理。数据可以来自各个领域，比如金融、医疗、交通等，而人工智能可以对这些数据进行统计、分析和预测，帮助人们更好地理解和利用这些数据。人工智能的训练过程需要学习数据处理，同时将处理结果进行可视化展示。在数据处理部分，我们会用到Numpy和Pandas数据类型。在数据可视化部分，最常用的库是Matplotlib。

人工智能数据处理NumPy数据类型NumPy是使用python进行科学计算的基础软件包NumPy提供了多维数组对象ndarray能支持多种数据类型的数值元素的表示和计算NumPy模块是第三方模块,使用前需要导入。代码如下：importnumpyasnp

人工智能数据处理Pandas数据类型Pandas是一个Python的第三方库，由PyData团队开发，常用于数据分析。Pandas有两种常用的数据类型——Series和DataFrame。由于使用Pandas库时，往往需要使用到NumPy库，使用如下代码将这两个库同时导入：importpandasaspdimportnumpyasnp#numpy的通用函数

散点图的设计与布局异常值的识别与处理数据点的分布与趋势在空气质量分析中，散点图的设计和布局是关键步骤。通过合理选择坐标轴、颜色和标记，可以清晰地展示不同监测点的空气质量数据，便于观察和比较。在绘制散点图时，可能会遇到一些异常值。这些异常值可能是由于设备故障或数据录入错误造成的。通过识别和处理这些异常值，可以提高散点图的准确性和可靠性。人工智能数据处理案例空气质量分析散点图绘制散点图中的数据点分布反映了空气质量的变化趋势。密集的区域可能表示污染严重，而稀疏的区域则可能表示空气质量较好。通过分析这些分布，可以识别出空气质量的热点区域。

任务描述读取CSV空气质量数据使用pandas库读取CSV文件，处理数据，确保包含日期和PM10浓度信息。设置PM10数据点标记根据用户输入，如果输入为“三”或“五”，设置对应标记风格，否则提示输入错误。绘制散点图设置使用matplotlib库绘制散点图，设置PM10数据点的标记样式，x轴标签，y轴标签。调整坐标轴和图例设置x轴刻度为日期，y轴刻度范围为0到80，添加图例并开启网格线。显示并保存图形显示图形，确保图形标题正确，然后保存为PNG图像文件，文件名为6_1_1.png。

读取CSV数据文件PM10数据点标记风格设置标题和坐标设置中文显示，读取CSV文件，数据包含空气质量，重点关注PM10、PM2.5和日期信息。代码循环让用户选择PM10数据点的标记风格，如输入“三”代表三角形（v），输入“五”则用*代替五角星。任务实施设置图表标题为“2023年某城市某月空气质量分析”，x轴标签为“日期（日）”，y轴标签为“浓度（微克/立方米）”。

散点图数据标记设置设置图表显示网格绘制散点图，利用matplotlib的scatter函数来绘制pm10数据点，label=PM10设置图例。Matplotlib中，用plt.legend()加图例，plt.grid()加网格线，plt.show()显示图形。任务实施

实践练习sj6_1_1.py程序分析：读取CSV数据，根据用户输入选择配色方案[red,green,blue]或[gold,silver,brown]，绘制奖牌占比饼图，设置标题和图例。饼图配色设置：输入数字1或2选择配色，1对应[red,green,blue]，2对应[gold,silver,brown]，输入错误显示提示。饼图绘制与显示：设置突出显示参数，绘制饼图，显示数据标签，设置轴和图例，图形与图6-5一致。

机器学习应用案例ANOVERVIEWOFTHEBACKGROUNDANDOBJECTIVESOFTHEPROJECT02

机器学习案例应用机器学习是人工智能的核心，是使计算机具有智能的根本途径。机器学习专门研究计