《人工智能应用与实践项目式教程》高职全套教学课件

让机器“学会”学习——深度学习与智能引擎“高职高专系列丛书人工智能应用与实践项目式教程项目1【ch01】让机器“学会”学习——深度学习与智能引擎【ch02】让机器“理解”文字——自然语言处理【ch03】让机器“听懂”声音——语音识别与合成【ch04】让机器“看清”世界——计算机视觉【ch05】让机器“创作”内容——大语言模型与AIGC【ch06】AI+智能办公【ch07】AI+教育人文【ch08】AI+医疗健康【ch09】中华美食制作助手全套可编辑PPT课件

01寻找身边的智能应用任务知识01AI应用背景如今，AI已不再是实验室里的高科技概念，而是深入人们日常生活的“隐形助手”。从早上被手机闹钟唤醒，到晚上用语音控制关灯，AI无处不在。在消费电子、社交平台、电商服务、交通出行等领域，企业纷纷引入AI技术来提升产品体验、优化运营效率、增强用户黏性。然而，许多人享受着AI带来的便利，却对其“看不见、不了解、不会用”。正确认识身边的AI应用，是迈向智能时代的第一步。任务知识02AI+行业结合过去，设备是“被动响应”的：你按开关，灯才亮；你手动搜索，才能找到商品。如今，AI让设备变为“主动智能”：手机能预测你想打开哪个App，电商平台能提前推荐你可能需要的商品，智能汽车能自动识别障碍物并刹车。这种从“人操作机器”到“机器理解人”的转变，正是AI带来的核心变革。它让服务更贴心、决策更高效、交互更自然。03技术原理可以把AI想象成一个“会学习的学生”。（1）输入：AI从各种设备中获取数据，如语音、浏览记录、摄像头画面。（2）学习：AI通过算法分析获取的数据，并找出规律，如“用户A常在晚上看健身视频”。（3）输出：根据学习结果做出反应，如向用户A推荐蛋白粉或健身课程。任务实施01识别智能设备观察你的手机、智能家居（如智能音箱、扫地机器人）、穿戴设备（如智能手表），记录它们有哪些“聪明”的功能。例如，手机相册能自动分类“人物”“宠物”“风景”，这是AI在“看图识物”。02调查推荐系统打开小红书、微信公众号或抖音等App，浏览几条内容，注意系统为你推荐了什么。思考：这些推荐是否符合你的兴趣？你最近是否搜索或点赞过类似内容？任务实施03体验智能客服进入淘宝或京东官网，尝试与机器人客服对话。试试问它“我的订单到哪了？”“这件衣服有货吗？”。观察它能否准确回答。如果它解决不了，是否会转接人工。这体现了AI在服务中的“辅助”作用。04研究语音助手对Siri、小爱同学或天猫精灵说：“明天天气怎么样？”“定一个七点的闹钟。”观察它的反应速度和准确性。语音助手的背后是语音识别（听清你说的）和自然语言处理（理解你的意思）两大技术。任务实施05了解智能家居如果你家里有智能灯、智能空调，观察它是如何工作的。例如，它是否能根据时间自动开关、是否能通过手机远程控制。这些功能依赖传感器和联网技术，由AI进行协调管理。06探究智能驾驶查找资料，了解特斯拉、小鹏等智能汽车是如何识别红绿灯、车道线和行人的。智能驾驶主要依靠摄像头、雷达和AI算法“看清”道路，像人一样做出判断。02回归模型任务知识01应用背景薪资预测是人力资源管理的重要环节，传统方法依赖经验判断，缺乏科学依据，容易导致薪资与员工贡献不匹配。随着大数据技术的发展，通过分析历史数据建立预测模型，可以更客观、准确地预测薪资水平，帮助企业和员工做出更好的决策。02AI+行业结合传统薪资预测依赖经验、主观性强、预测结果波动大，AI薪资预测能基于历史数据建立数学模型，其结果客观准确，可以进行量化评估。03技术原理想象一下，你有一张工作年限与薪资的关系图。如果把这些点连起来，会形成一条直线或曲线。线性回归模型就是找出这条最佳拟合线，通过这条线，可以预测任意工作年限对应的薪资。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台和平台自带的“SalaryData.csv”文件。文件包含两列数据YearsExperience（工作年限，单位：年）和Salary（年薪，单位：元），数据来源于某企业员工的薪资记录，用于建立工作年限与薪资的关系模型。02数据预处理模型训练前需要对数据进行简单处理以确保数据质量，主要步骤包括：检查数据完整性，确认无缺失值；了解数据分布，查看基本统计信息；可视化数据关系，绘制散点图观察数据分布。任务实施03操作步骤3.1读取csv文件（1）打开“回归模型”界面，在界面左侧的“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。（2）设置参数。单击画布中的“读取csv文件”组件，打开如图1.2.1所示界面右侧的“读取csv文件”选区，即可进行参数设置。将“选择数据源”设置为“SalaryData”，将“列名”设置为“首行”，将“行名”设置为“自动生成”，将“编码方式”设置为“UTF-8”。（3）右键单击“读取csv文件”组件，在打开的菜单中选择“运行”命令，运行完成后组件右侧出现“”表示完成文件读取操作。（4）预期结果：成功导入30行×2列的数据，并显示前5行数据。任务实施03操作步骤图1.2.1“回归模型”界面任务实施03操作步骤3.2了解数据结构（1）在“组件”选区选择“了解你的数据”选项，在打开的下拉列表中用鼠标左键选中“查看前N6”。

项目1让机器“学会”学习——深度学习与智能引擎行”组件并拖曳到画布中，连接“读取csv文件”组件和“查看前N行”组件。单击“查看前N行”组件，在打开的“查看前N行”选区中进行参数设置，设置“N”为“5”，确认数据格式。右键单击“查看前N行”组件执行运行操作。任务实施03操作步骤3.2了解数据结构（2）用鼠标左键选中“描述性统计”组件并拖曳到画布中，然后连接“读取csv文件”组件和“描述性统计”组件。单击“描述性统计”组件，在打开的“描述性统计”选区中进行参数设置，设置“选择列名”为“YearsExperience”和“Salary”。右键单击“描述性统计”组件执行运行操作，单击界面下方的展开按钮即可查看数据的基本统计信息，如图1.2.2所示。（3）预期结果：成功显示数据的类型、数量、平均值、标准差等统计信息。图1.2.2查看数据的基本统计信息任务实施03操作步骤3.3观察数据分散位置（1）在“组件”选区选择“数据可视化”选项，在打开的下拉列表中将“散点图”组件拖曳至画布中，然后连接“读取csv文件”组件和“散点图”组件。（2）单击“散点图”组件，在打开的“散点图”选区中设置x轴为“YearsExperience”，y轴为“Salary”。（3）右键单击“散点图”组件，在打开的菜单中选择“运行”命令，即可得到数据分布的散点图，如图1.2.3所示。（4）预期结果：成功生成散点图，显示工作年限与薪资呈正相关分布。163任务实施03操作步骤图1.2.3绘制工作年限与薪资关系散点图任务实施03操作步骤3.4数据拆分（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“数据拆分”组件拖曳到画布中，然后连接“读取csv文件”组件和“数据拆分”组件。（2）单击“数据拆分”组件，在打开的“数据拆分”选区中设置“拆分比例”为“0.8”（80%训练集、20%测试集），设置“随机数种子”为“1”。（3）右键单击“数据拆分”组件，在打开的菜单中选择“运行”命令，即可得到两个数据集，如图1.2.4所示。（4）预期结果：成功拆分了数据，将数据分为训练集（24行×2列）和测试集（6行×2列），用于模型训练和评估。任务实施03操作步骤图1.2.4拆分数据任务实施03操作步骤3.5回归模型训练（1）在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“回归-线性回归”组件拖曳到画布中，然后连接“回归-线性回归”组件和“数据拆分”组件。（2）单击“回归-线性回归”组件，在打开的“回归-线性回归”选区中设置特征列为“YearsExperience”，预测列为“Salary”。（3）右键单击“回归-线性回归”组件，在打开的菜单中选择“运行”命令，如图1.2.5所示，表示模型训练成功。（4）预期结果：工作年限与薪资之间的线性关系模型训练成功，显示训练进度和模型基本信息。任务实施03操作步骤图1.2.5训练回归模型任务实施03操作步骤3.6模型评估（1）在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中将“回归模型评估”组件拖曳到画布中，然后连接“回归-线性回归”组件和“回归模型评估”组件，以及“数据拆分”组件和“回归模型评估”组件。（2）单击“回归模型评估”组件，在打开的“回归模型评估”选区中设置特征列为“YearsExperience”，预测列为“Salary”。（3）右键单击“回归模型评估”组件，在打开的菜单中选择“运行”命令，即可得到模型的评估指标，如图1.2.6所示。（4）预期结果：成功生成评估指标，包括MAE、MSE、RMSE和R2，可用于客观评估模型在测试集上的表现。任务实施03操作步骤图1.2.6评估回归模型任务实施03操作步骤3.7排序与可视化（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“排序”组件拖曳到画布中，然后连接“回归模型评估”组件和“排序”组件。（2）单击“排序”组件，在打开的“排序”选区中设置列名为“YearsExperience”，设置“排序方式”为“升序”。右键单击“排序”组件，在打开的菜单中选择“运行”命令，即可得到数据的升序排列，如图1.2.7所示。（3）在“组件”选区选择“数据可视化”选项，在打开的下拉列表中将“多条折线图”组件拖曳到画布中，然后连接“排序”组件和“多条折线图”组件。单击“多条折线图”组件，在打开的“多条折线图”选区选择x轴数据为“YearsExperience”，设置x轴名称为“工作经验”；选择y轴数据为“Salary”和“Y_prediction”，设置y轴名称为“年薪”。任务实施03操作步骤图1.2.7设置数据按照升序排列任务实施03操作步骤3.7排序与可视化（4）右键单击“多条折线图”组件，在打开的菜单中选择“运行”命令，即可得到实际薪资和预测薪资随工作经验增长的变化曲线，如图1.2.8所示。（5）预期结果：成功生成实际薪资与预测薪资的折线图，可以直观比较实际薪资与预测薪资的差异。图1.2.8绘制实际薪资与预测薪资折线图03分类模型任务知识01应用背景贷款审批是金融机构的核心业务，涉及大量的客户申请。传统的审批方式依赖人工经验，存在效率低、主观性强、风险控制难等问题。随着金融科技的发展，利用历史数据训练的机器学习模型能够更客观、高效地评估客户的信用状况，成为现代金融机构的重要工具。02AI+行业结合传统的贷款审批方式以人工审核为主，依赖经验判断、审批速度慢、风险控制难度大；AI审批方式通过自动分析历史数据，能够快速完成信用评估，风险控制更精准，且可大规模应用于海量申请。03技术原理分类模型就像一个“信用评估小助手”，它先学习过去贷款人的个人信息（如年龄、收入）和还款情况，建立一套判断标准。当新申请人提交贷款申请时，小助手会将申请人的相关信息与历史数据进行比对，进而预测该申请人是否会按时还款，为贷款审批提供依据。本任务使用的逻辑回归和随机森林等都属于经典的机器学习算法，非常适合处理像表格这样的结构化数据。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台和平台自带的贷款用户信用评估数据集“3cstraining.csv”，该数据集包含以下关键信息：是否出现严重违约（SeriousDlqin2yrs）即目标变量（1表示出现严重违约，0表示正常）、信用额度使用率（RevolvingUtilizationOfUnsecuredLines）即未使用信用额度比例、年龄（age）即申请人年龄、未偿付债务比率（DebtRatio）即当前债务与收入的比率、月收入（MonthlyIncome）即申请人月收入水平、已开放信用额度数量（NumberofOpenCreditLinesAndLoans）即已开放的信用额度数量等。任务实施02数据预处理(1)(2)(3)采用“众数填充”方法填补少量缺失值，确保数据的分布特性，避免因删除缺失值丢失信息。缺失值处理基于相关性分析，选择与信用评估最相关的特征，排除冗余信息对模型的干扰。特征筛选按8∶2的比例将数据集分为训练集和测试集，确保模型在未见过的数据上也能有良好表现。数据拆分任务实施03操作步骤3.1读取数据文件（1）打开“分类模型”界面，在界面左侧的“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。（2）设置参数。单击画布中的“读取csv文件”组件，打开“读取csv文件”选区，将“选择数据源”设置为“3cs-training.csv”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“UTF-8”。任务实施03操作步骤3.1读取数据文件（3）单击“确定”按钮，完成数据导入，如图1.3.1所示。图1.3.1读取CSV文件任务实施03操作步骤3.2查看数据结构（1）在“组件”选区选择“了解你的数据”选项，在打开的下拉列表中将“描述性统计”组件拖曳到画布中，然后连接“读取csv文件”组件和“描述性统计”组件。（2）单击“描述性统计”组件，在打开的“描述性统计”选区中设置列名，选择所有列名，共11个，然后单击“确定”按钮。（3）右键单击“描述性统计”组件，在打开的菜单中选择“运行”命令，即可得到12行11列的数据表，如图1.3.2所示。（4）预期结果：获取数据的类型、数量、平均值等基础统计信息以了解数据的基本情况。任务实施03操作步骤3.2查看数据结构图1.3.2查看数据结构任务实施03操作步骤3.3数据可视化（1）在“组件”选区选择“数据可视化”选项，在打开的下拉列表中将“直方图”组件拖曳到画布中，然后连接“读取csv文件”组件和“直方图”组件。（2）单击“直方图”组件，在打开的“直方图”选区中设置列名为“age”，如图1.3.3所示。（3）右键单击“直方图”组件，在打开的菜单中选择“运行”命令，即可得到申请人年龄分布直方图，如图1.3.4所示。任务实施03操作步骤3.4特征筛选（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“列过滤”组件拖曳到画布中，然后连接“读取csv文件”组件和“列过滤”组件。（2）单击“列过滤”组件，在打开的“列过滤”选区中进行参数设置。选择“是否出现严重违约（SeriousDlqin2yrs）”“信用额度使用率（RevolvingUtilizationOfUnsecuredLines）”“年（age）”“未偿付债务比率（DebtRatio）”“月收入（MonthlyIncome）”“已开放信用额度数量（NumberofOpenCreditLinesAndLoans）”，即保留与信用评估最相关的6个特征，如图1.3.5所示。（3）预期结果：筛选出目标特征列，去除无关特征。任务实施03操作步骤3.4特征筛选图1.3.5列过滤任务实施03操作步骤3.5相关性分析（1）在“组件”选区选择“数据可视化”选项，在打开的下拉列表中将“相关系数热力图”组件拖曳到画布中，然后连接“列过滤”组件和“相关系数热力图”组件。（2）单击“相关系数热力图”组件，在打开的“相关系数热力图”选区中进行参数设置。选择除是否出现严重违约（SeriousDlqin2yrs）外的其他5个特征，生成特征间的相关系数热力图，如图1.3.6所示。图1.3.6相关系数热力图任务实施03操作步骤3.5相关性分析（3）观察各特征间的关系，依据相关系数热力图结果优化特征选择，避免冗余特征。1表示完全正相关，即一个变量的增加总是与另一个变量的增加相对应；−1表示完全负相关，即一个变量的增加总是与另一个变量的减少相对应；0表示没有线性相关，即两个变量之间没有线性关系（但可能存在非线性关系）；颜色的深浅表示相关性的强弱。（4）绘制年龄与信用额度使用率、月收入的散点图，观察特征间相关性。在“组件”选区将“多组散点图”组件拖曳到画布中，然后连接“列过滤”组件和“多组散点图”组件。设置数据对参数如图1.3.7所示。任务实施03操作步骤3.5相关性分析任务实施03操作步骤3.5相关性分析（5）右键单击“多组散点图”组件，在打开的菜单中选择“运行”命令，即可得到如图1.3.8所示的年龄—信用额度使用率及年龄—月收入散点图。图1.3.8年龄—信用额度使用率及年龄—月收入散点图任务实施03操作步骤3.6缺失值填充（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“缺失值填充”组件拖曳到画布中，然后连接“列过滤”组件和“缺失值填充”组件。（2）单击“缺失值填充”组件，在打开的“缺失值填充”选区中进行参数设置。选择所有特征，以解决数据缺失问题，保证数据完整性，如图1.3.9所示。（3）预期结果：填补数据中的缺失值，形成完整的数据集。任务实施03操作步骤3.6缺失值填充任务实施03操作步骤3.7数据拆分（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“数据拆分”组件拖曳到画布中，然后连接“缺失值填充”组件和“数据拆分”组件。（2）单击“数据拆分”组件，在打开的“数据拆分”选区中进行参数设置。设置训练集与测试集的比例为8∶2，即“拆分比例”为“0.8”，保持随机数种子为默认设置。（3）右键单击“数据拆分”组件，在打开的菜单中选择“运行”命令，即可得到拆分好的数据集，如图1.3.10所示。（4）预期结果：将数据分为训练集和测试集，满足模型训练与评估需求。任务实施03操作步骤3.7数据拆分任务实施03操作步骤3.8模型选择与训练（1）分类—逻辑回归模型。在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“分类—逻辑回归”组件拖曳到画布中，然后连接“缺失值填充”组件和“分类—逻辑回归”组件。单击“分类—逻辑回归”组件，在打开的“分类—逻辑回归”选区中进行模型训练的参数设置。设置“预测列”为“SeriousDlqin2yrs”，设置“特征列”为剩余5个特征，其他保持默认设置。然后，右键单击“分类—逻辑回归”组件，在打开的菜单中选择“运行”命令，若“分类—逻辑回归”组件右侧出现图标，则表明模型训练成功，如图1.3.11所示。任务实施03操作步骤3.8模型选择与训练任务实施03操作步骤3.8模型选择与训练（2）分类—随机森林模型。按照训练分类—逻辑回归模型的操作步骤训练分类—随机森林模型，如图1.3.12所示。任务实施03操作步骤3.8模型选择与训练（3）分类—K近邻模型。按照训练分类—逻辑回归模型的操作步骤训练分类—K近邻模型，如图1.3.13所示。（4）预期结果：三种模型训练完成，获取模型基础信息，用于信用评估。任务实施03操作步骤3.9模型评估（1）分类—逻辑回归模型评估。在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中将“二分类模型评估”组件拖曳到画布中，然后连接“分类—逻辑回归”组件与“二分类模型评估”组件及“数据拆分”组件与“二分类模型评估”组件。单击“二分类模型评估”组件，在打开的“二分类模型评估”选区中进行参数设置，设置“预测列”为“SeriousDlqin2yrs”，设置“特征列”为剩余5个特征，然后运行，即可得到准确率（AccuracyScore）、精确率（Precision）、召回率（Recall）、F1分数（F1Score）等评估指标，如图1.3.14所示。图1.3.14分类—逻辑回归模型评估任务实施03操作步骤3.9模型评估（2）对分类—随机森林模型和分类—K近邻模型进行相同的操作，分别获取准确率、精确率、召回率、F1分数等评估指标。（3）整理三种模型的评估指标结果，见表1.3.1。（4）模型选择：信用评估中的召回率指标更重要，分类—随机森林模型在召回率和F1分数上表现更优，为更优选择。04聚类分析任务知识01应用背景汽车制造行业竞争激烈，不同车型对应不同市场定位。传统方式依赖人工经验，难以从海量数据中挖掘潜在模式。聚类分析作为无监督学习方法，能够自动对数据进行分组，帮助企业更好地理解细分市场和产品特性，提升决策效率和准确性。02AI+行业结合传统市场分析依赖人工经验，主观性强且分析效率低；AI市场分析通过自动处理数据，挖掘潜在模式，大幅提升了分析效率和结果的准确性。03技术原理聚类分析类似给不同特征的球分组，机器会根据球的颜色、大小等特征计算相似度，然后将相似的球归为一组。在汽车数据中，AI会依据车型的油耗、马力、重量等特征计算相似度，从而把特征相近的车型分为一组。聚类分析展示了AI“无师自通”发现数据内在结构的能力。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台和平台自带的贷款用户信用评估数据集“3cstraining.csv”，该数据集包含以下关键信息：是否出现严重违约（Serious

Dlqin2yrs）即目标变量（1表示出现严重违约，0表示正常）、信用额度使用率（RevolvingUtilizationOfUnsecuredLines）即未使用信用额度比例、年龄（age）即申请人年龄、未偿付债务比率（DebtRatio）即当前债务与收入的比率、月收入（MonthlyIncome）即申请人月收入水平、已开放信用额度数量（NumberofOpenCreditLinesAndLoans）即已开放的信用额度数量等。任务实施02数据预处理010203删除缺失值：采用“删除行”的方式移除含无效值的行，确保数据的完整性，避免影响聚类结果。数据探索：通过描述性统计了解数据类型、数量、平均值、标准差等基本信息，为后续分析奠定基础。特征标准化：对关键特征进行标准化处理，消除量纲差异对聚类结果的干扰。任务实施03操作步骤3.1读取CSV文件（1）打开“聚类分析”界面，在界面左侧的“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。（2）设置参数。单击画布中的“读取csv文件”组件，打开“读取csv文件”选区，选择需要的数据集并进行参数设置，如图1.4.1所示。（3）右键单击“读取csv文件”组件，在打开的菜单中选择“运行”命令，即可完成对数据集的导入。（4）预期结果：成功导入392行8列原始的汽车数据集。图1.4.1读取CSV文件任务实施03操作步骤3.2删除缺失值（1）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“删除缺失值”组件拖曳到画布中，然后连接“读取csv文件”组件和“删除缺失值”组件，如图1.4.2所示。图1.4.2使用“删除缺失值”组件任务实施03操作步骤3.2删除缺失值（2）单击“删除缺失值”组件，在打开的“删除缺失值”选区中进行参数设置。选择数据集中所有的特征，共8个。设置“删除标准”为“某一行/列至少有一个数据为NaN”，设置“选择轴”为“首列”。（3）右键单击“删除缺失值”组件，在打开的菜单中选择“运行”命令，即可完成对数据集的预处理。（4）预期结果：成功删除数据集中的缺失值，保持数据集仍为392行8列，以确保数据的完整性，避免缺失值干扰聚类分析结果。任务实施03操作步骤3.3了解数据结构（1）在“组件”选区选择“了解你的数据”选项，在打开的下拉列表中将“描述性统计”组件拖曳到画布中，然后连接“删除缺失值”组件和“描述性统计”组件。（2）单击“描述性统计”组件，在打开的“描述性统计”选区中进行参数设置。选择统计特征为“mpg”“displacement”“horsepower”“weight”“acceleration”，如图1.4.3所示。（3）右键单击“描述性统计”组件，在打开的菜单中选择“运行”命令，即可得到如图1.4.4所示的汽车特征统计表。（4）预期结果：获取汽车各特征数据的统计信息，为后续的特征选择提供依据。任务实施03操作步骤3.3了解数据结构图1.4.3选择统计特征图1.4.4汽车特征统计表任务实施03操作步骤3.4特征标准化（1）在“组件”选区选择“特征工程”选项，在打开的下拉列表中将“标准化”组件拖曳到画布中，然后连接“删除缺失值”组件和“标准化”组件，如图1.4.5所示。任务实施03操作步骤3.4特征标准化（2）单击“标准化”组件，在打开的“标准化”选区中进行参数设置。设置需要进行标准化处理的特征列为“mpg”“displacement”“horsepower”“weight”“acceleration”。（3）右键单击“标准化”组件，在打开的菜单中选择“运行”命令，即可得到标准化后的数据集。（4）预期结果：成功将选定的特征列转换为Z分数，所有数据具有相同的尺度，避免了因量纲差异带来的影响。任务实施03操作步骤3.5数据分类（1）对特征“cylinders”“year”“origin”进行One-Hot编码，以方便对模型进行数值化处理。（2）使用K-Means算法对数据进行分类，K-Means算法是一种经典的聚类分析方法，它是一种迭代算法，旨在将相似的数据点分组到一起。在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“聚类-KMeans”组件拖曳到画布中，然后连接“One-Hot编码”组件和“聚类-KMeans”组件，如图1.4.6所示。（3）单击“聚类-KMeans”组件，在打开的“聚类-KMeans”选区中进行参数设置。选择所有特征列，设置“聚类个数”为“3”，其余保持默认设置，然后运行即可。（4）预期结果：成功将数据分组，生成聚类索引列（Cluster_index）。任务实施03操作步骤3.5数据分类图1.4.6进行KMeans

分类任务实施03操作步骤3.6查看聚类结果（1）在“组件”选区选择“数据可视化”选项，在打开的下拉列表中将“直方图”组件拖曳到画布中，然后连接“聚类-KMeans”组件和“直方图”组件，如图1.4.7所示。（2）单击“直方图”组件，在打开的“直方图”选区中进行参数设置。设置索引列“Cluster_index”为聚类结果标识。图1.4.7进行查看聚类结果设置任务实施03操作步骤3.6查看聚类结果（3）右键单击“直方图”组件，在打开的菜单中选择“运行”命令，即可得到分类后的直方图（见图1.4.8）和特征均值表（见表1.4.1）。图1.4.8聚类结果直方图任务实施03操作步骤3.6查看聚类结果表1.4.1车型特征均值表（4）预期结果：通过直方图直观展示3个簇的样本数量差异；通过特征均值表显示每个样本的所属簇，以及各簇的特征均值。任务实施03操作步骤3.7分析聚类结果01020304对比各簇特征均值的差异。记录分析结果。预期结果：0簇为低油耗、低重量、低马力的经济型车型；1簇为高油耗、高重量、高马力的高性能车型；2簇为中等油耗、中等重量、中等马力的均衡型车型。结合汽车行业常识解读各簇的车型属性。05交互式可视化人工神经网络任务知识01应用背景人工神经网络是人工智能的核心技术，广泛应用于图像识别、语音识别、自然语言处理等领域。传统人工神经网络的设计依赖经验，需要反复试错和调整，效率低下。随着可视化工具的发展，开发者可以直观观察人工神经网络的工作过程，快速优化模型，大幅提高开发效率。02AI+行业结合传统人工神经网络的设计依赖经验，需要大量试错，开发周期长；AI人工神经网络设计通过可视化工具，可以直观展示网络结构和参数对模型的影响，以快速优化模型，缩短开发周期。03技术原理人工神经网络如同“智能小助手”，通过观察大量的数据进行学习，例如，通过多张猫咪的图片记住其耳朵形状、眼睛位置等特征。人工神经网络由输入层、隐藏层和输出层构成，输入层接收原始数据，隐藏层进行特征提取和处理，输出层给出最终结果。可视化工具就像“透明的玻璃盒子”，让人们能够清晰看到人工神经网络的思考过程。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台和TensorFlowPlayground内置的四种数据集，分别是两个类别用圆形划分的数据集、两个类别用正交直线划分的数据集、两个类别用对角线划分的数据集和两个类别用螺旋线划分的数据集。02数据预处理TensorFlowPlayground内置数据预处理功能，无须额外处理，可以直接使用预设的数据集。任务实施03操作步骤3.1启动TensorFlowPlayground（1）在Linux终端中启动Web服务器。在“交互式可视化人工神经网络”界面中双击“终端模拟器”图标，在打开的窗口中输入命令“cd../playground”切换到TensorFlowPlayground所在目录，然后在终端的命令行中输入“npmrunserve”，启动Web服务器。如图1.5.1所示表示Web服务器已成功启动，并显示TensorFlowPlayground的对应网址。图1.5.1成功启动Web服务器任务实施03操作步骤3.1启动TensorFlowPlayground（2）启动TensorFlowPlayground。打开FireFox浏览器，输入TensorFlowPlayground的对应网址，即可打开TensorFlowPlayground界面，如图1.5.2所示。界面包括“运行控制”区域、“迭代次数展示”区域、“超参数选择”区域、“数据集调整”区域、“特征向量选择”区域、“神经网络”区域和“预测结果”区域，如图1.5.3所示是TensorFlowPlayground界面功能区域标注图。（3）预期结果：成功启动TensorFlowPlayground，为后续实验做准备。图1.5.2TensorFlowPlayground界面任务实施03操作步骤3.1启动TensorFlowPlayground（2）启动TensorFlowPlayground。打开FireFox浏览器，输入TensorFlowPlayground的对应网址，即可打开TensorFlowPlayground界面，如图1.5.2所示。界面包括“运行控制”区域、“迭代次数展示”区域、“超参数选择”区域、“数据集调整”区域、“特征向量选择”区域、“神经网络”区域和“预测结果”区域，如图1.5.3所示是TensorFlowPlayground界面功能区域标注图。（3）预期结果：成功启动TensorFlowPlayground，为后续实验做准备。图1.5.3TensorFlowPlayground界面功能区域标注图任务实施03操作步骤3.2训练模型（1）选择数据集。在“数据集”区域单击“”图标，选择圆形数据集作为模型训练的数据集。（2）选择特征向量。在“特征向量”区域选择X1和X2作为特征向量，单击“运行”按钮开始训练模型，如图1.5.4所示。图1.5.4选择X1和X2作为特征向量进行模型训练任务实施03操作步骤3.2训练模型（3）添加特征向量X1*X2，再次进行模型训练，如图1.5.5所示，可见添加X1*X2特征向量后的分类效果明显改善。（4）预期结果：成功完成对圆形数据集的分类，掌握特征向量的选择对模型训练的重要性。图1.5.4选择X1和X2作为特征向量进行模型训练任务实施03操作步骤3.3调整模型结构和参数(1)(2)(3)在“神经网络”区域可以对模型隐藏层的数量进行设置，通过设置合适的隐藏层数量可以有效改善模型的性能。随着隐藏层数量的增加，分类效果有所改善，但训练时间延长。调整隐藏层数量超参数包括学习率、激活函数等。在“超参数选择”区域可以修改学习率（如0.01、0.1等），可以选择不同的激活函数（如Tanh、ReLU），通过对超参数的修改观察分类效果的变化，以选择合适的超参数。学习率过大会导致训练不稳定，过小则收敛慢；不同的激活函数对模型性能有不同影响。调整超参数通过调整模型的结构和超参数可以有效改善模型性能，得到较好的分类效果。预期结果任务实施03操作步骤3.4模型评估（1）对比不同数据集、网络结构、超参数组合下的分类准确率。（2）记录实验结果，分析关键影响因素。（3）预期结果：简单的数据集（如圆形、正交直线形、对角线形）可以通过简单的网络结构实现高准确率；复杂的数据集（如螺旋线形）需要更复杂的网络结构和适当的超参数；合适的特征组合能大幅提高准确率，如表1.5.1所示是不同数据集与模型配置的分类效果对比表，模型的性能应以准确率作为核心评估指标。任务实施03操作步骤3.4模型评估谢谢观看“高职高专系列丛书人工智能应用与实践项目式教程让机器“理解”文字——自然语言处理“高职高专系列丛书人工智能应用与实践项目式教程项目201短文本相似度分析任务知识01应用背景互联网的快速发展使用户生成的短文本数据呈爆炸式增长，涵盖社交媒体帖子、评论、搜索关键词等。对这些数据进行有效的管理与利用可以提升用户体验、优化内容推荐、改善搜索效果，因此如何从海量的数据中准确识别相似内容，是电商平台面临的核心挑战。02AI+行业结合传统的短文本处理方式依赖关键词匹配，效率低且准确率不高；AI技术通过将文本转换为向量并计算相似度，能精准识别语义相似内容，大幅提升处理效率和准确性。03技术原理短文本相似度分析的核心是“词典+向量计算”，即先构建记录词出现频率的“词典”，再将这些信息转换为数字向量，最后计算数字向量之间的角度（余弦相似度），角度越小相似度越高。这种方法也是NLP的经典方法之一。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台及其自带的四个数据集，分别是user1.csv（包含用户爱好和感受的短文本）、sent2.txt（描述祖国山河的长文本）、user3.csv（武侠小说人物名称）和doc4.csv（包含多组句子的对比数据）。02数据预处理对数据进行清洗和格式标准化，确保数据的有效性。任务实施03操作步骤3.1短文本特征提取(1)(2)(3)打开“短文本相似度分析”界面，在界面左侧的“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。单击“读取csv文件”组件，在打开的如图2.1.1所示界面右侧的“读取csv文件”选区中进行参数设置。将“选择数据源”设置为“user1”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“GB18030”。右键单击“读取csv文件”组件，在打开的菜单中选择“运行”命令，运行完成后组件右侧出现“”表示完成数据的读取。任务实施03操作步骤3.1短文本特征提取(4)(5)(6)然后在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“分词”组件并将其拖曳到画布中，并连接“读取csv文件”组件和“分词”组件。单击“分词”组件，打开“分词”选区，进行参数设置。将“选择数据源”设置为“test1”，然后运行。将第二个“分词”组件拖曳到画布中，并将“选择数据源”设置为“test2”，连接第一个“分词”组件和第二个“分词”组件，然后运行。(7)将第三个“分词”组件拖曳到画布中，并将“选择数据源”设置为“test3”，连接第二个“分词”组件和第三个“分词”组件，然后运行。单击界面下方的展开按钮即可查看数据的基本统计信息，如图2.1.2所示。任务实施03操作步骤3.1短文本特征提取图2.1.1“短文本相似度分析”界面任务实施03操作步骤3.1短文本特征提取图2.1.2显示数据的基本统计信息(8)在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“文本特征提取”组件并将其拖曳到画布中，连接第三个“分词”组件和“文本特征提取”组件。单击“文本特征提取”组件，在打开的“文本特征提取”选区中进行参数设置。将“需要向量的列”设置为“已选择3个”，然后运行，如图2.1.3所示。图2.1.3设置“文本特征提取”组件任务实施03操作步骤3.1短文本特征提取(9)在“组件”选区选择“特征工程”选项，在打开的下拉列表中用鼠标左键选中“行列转置”组件并将其拖曳到画布中，连接“文本特征提取”组件和“行列转置”组件，然后运行“行列转置”组件。运行完成后组件右侧出现“”表示完成对数据集userl.csv的特征提取，如图2.1.4所示。图2.1.4对数据集userl.csv进行特征提取预期结果：数据格式从10行3列转换为3行10列。(10)任务实施03操作步骤3.2长文本特征提取(1)在“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取txt文件”组件并将其拖曳到画布中。单击“读取txt文件”组件，在打开的“读取txt文件”选区进行参数设置，将“选择文件”设置为“sent2”，“编码”设置为“UTF-8”，然后运行。(2)在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“分词”组件并将其拖曳到画布中，然后连接“读取txt文件”组件和“分词”组件。单击“分词”组件，在打开的“分词”选区进行参数设置，将“选择文本列”设置为“content”，然后运行。任务实施03操作步骤3.2长文本特征提取(3)在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“文本特征提取”组件并将其拖曳到画布中，连接“分词”组件和“文本特征提取”组件。单击“文本特征提取”组件，在打开的“文本特征提取”选区进行参数设置。将“需要向量的列”设置为“content”，然后运行。(4)在“组件”选区选择“特征工程”选项，在打开的下拉列表中用鼠标左键选中“行列转置”组件并将其拖曳到画布中，连接“文本特征提取”组件和“行列转置”组件，然后运行“行列转置”组件，完成对数据集sent2.txt的特征提取，如图2.1.5所示。图2.1.5对数据集sent2.txt进行特征提取任务实施03操作步骤3.3One-Hot编码（1）在“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。单击“读取csv文件”组件，在打开的“读取csv文件”选区中进行参数设置。将“选择数据源”设置为“user3”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“UTF-8”，然后运行。（2）在“组件”选区选择“特征工程”选项，在打开的下拉列表中用鼠标左键选中“One-Hot编码”组件并将其拖曳到画布中，连接“读取csv文件”组件和“One-Hot编码”组件。单击“One-Hot编码”组件，在打开的“One-Hot编码”选区中进行参数设置，将“待处理列”设置为“Name”，然后运行。（3）在“组件”选区选择“行列转置”选项，在打开的下拉列表中用鼠标左键选中“行列转置”组件并将其拖曳到画布中，连接“One-Hot编码”组件和“行列转置”组件，然后运行“行列转置”组件，完成对数据集user3.csv的特征提取，如图2.1.6所示。图2.1.6对数据集user3.csv进行特征提取任务实施03操作步骤3.4余弦相似度比较（1）在“组件”选区选择“读取你的数据”选项，在打开的下拉列表中用鼠标左键选中“读取csv文件”组件并将其拖曳到画布中。单击“读取csv文件”组件，在打开的“读取csv文件”选区中进行参数设置。将“选择数据源”设置为“doc4”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“UTF-8”，然后运行。（2）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中用鼠标左键选中“行过滤”组件并将其拖曳到画布中，连接“读取csv文件”组件和“行过滤”组件。单击“行过滤”组件，在打开的“行过滤”选区中将“过滤条件表达式”设置为“Type=="Group1"”，然后运行。（3）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“文本特征提取”组件并将其拖曳到画布中，连接“行过滤”组件和“文本特征提取”组件。单击“文本特征提取”组件，在打开的“文本特征提取”选区中将“需要向量的列”设置为“Sentence1”、“Sentence2”和“Sentence3”，然后运行。任务实施03操作步骤3.4余弦相似度比较（4）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“余弦相似度计算”组件并将其拖曳到画布中，连接“文本特征提取”组件和“余弦相似度计算”组件。单击“余弦相似度计算”组件，在打开的“余弦相似度计算”选区中将“文本向量列1”设置为“result_1”，“文本向量列2”设置为“result_2”，然后运行。（5）再次选中“余弦相似度计算”组件并将其拖曳到画布中，连接“文本特征提取”组件和“余弦相似度计算”组件。单击“余弦相似度计算”组件，在打开的“余弦相似度计算”选区中将“文本向量列1”设置为“result_2”，“文本向量列2”设置为“result_3”，然后运行，如图2.1.7所示。图2.1.7中文文本进行余弦相似度比较任务实施03操作步骤3.4余弦相似度比较（6）运行成功后得到文本之间的余弦相似度值，即可对文本进行相似度分析。如表2.1.1展示了Group1组内文本之间余弦相似度的计算结果，余弦相似度的值越大，文本之间的相似度越高。02新闻文本分类任务知识01应用背景新闻媒体行业每天产生海量的文本数据，是否能够快速准确地对新闻进行分类是其面临的重要挑战。传统的人工分类方式效率低、成本高，还容易受主观因素影响，自然语言处理技术为解决这一问题提供了有效途径。02AI+行业结合传统的新闻分类方式依赖人工操作，效率低且准确率不稳定；AI新闻分类通过自动分析文本内容，实现了快速准确分类，大幅提升了工作效率。03技术原理新闻文本分类的核心类似“新闻词典比对”。先构建记录不同类别新闻常见词汇的“词典”，当接收到新闻时，AI先统计新闻中词汇的出现频率，再与“词典”进行比对，最后通过数学计算判断新闻最匹配的类别。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台及其自带的“data.csv”文件，该文件包含两列数据，分别是text（新闻正文）和label（新闻类别）。02数据预处理(1)(2)读取原始数据。将新闻数据文件“data.csv”导入分析环境，确保数据的完整。删除缺失值。将有缺失值的行删除，避免影响分类结果。任务实施03操作步骤（1）打开“新闻文本分类”界面，在“组件”选区选择“读取你的数据”选项，在打开的下拉列表中将“读取csv文件”组件拖曳到画布中。单击“读取csv文件”组件，在打开的“读取csv文件”选区进行参数设置。将“选择数据源”设置为“data”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“UTF-8”，然后运行。（2）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“删除缺失值”组件拖曳到画布中，然后连接“读取csv文件”组件和“删除缺失值”组件。单击“删除缺失值”组件，在打开的“删除缺失值”选区中进行参数设置。将“选择列名”设置为“全选”，即包含“text”和“label”两个属性。将“删除标准”设置为“某一行/列至少有一...”，“选择轴”设置为“删除行”。然后运行“删除缺失值”组件，如图2.2.1所示。（3）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“分词”组件并将其拖曳到画布中，然后连接“删除缺失值”组件和“分词”组件。单击“分词”组件，在打开的“分词”选区进行参数设置，将“选择文本列”设置为“text”，然后运行即可。任务实施03操作步骤任务实施03操作步骤（4）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“文本预处理”组件并将其拖曳到画布中，然后连接“分词”组件和“文本预处理”组件。单击“文本预处理”组件，在打开的“文本预处理”选区进行参数设置。将“选择文本列”设置为“text”，并勾选“剔除数字”“剔除网址”“剔除email地址”复选框，然后运行，如图2.2.2所示。任务实施03操作步骤（5）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“去停用词”组件并将其拖曳到画布中，然后连接“文本预处理”组件和“去停用词”组件。单击“去停用词”组件，在打开的“去停用词”选区进行参数设置。将“选择文本列”设置为“text”，“选择停用词词典”设置为“stopword”，“增加停用词”设置为“addWords”，“删除停用词”设置为“delWords”，然后运行。（6）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“TF-IDF”组件并将其拖曳到画布中，然后连接“去停用词”组件和“TF-IDF”组件。单击画布中的“TF-IDF”组件，在打开的“TF-IDF”选区进行参数设置。将“选择id列”设置为“label”，“选择文本列”设置为“text”，“最大词数”设置为“None”，然后运行。TF-IDF（TermFrequency-InverseDocumentFrequency，词频—逆文档频率）是一种用于信息检索与文本挖掘的加权技术，核心作用是评估一个词语对一篇文档的重要程度，并以此区分文档主题、筛选关键信息。任务实施03操作步骤（7）在“组件”选区选择“特征工程”选项，在打开的下拉列表中用鼠标左键选中“Ordinal编码”组件并将其拖曳到画布中，然后连接“TF-IDF”组件和“Ordinal编码”组件。单击“Ordinal编码”组件，在打开的“Ordinal编码”选区进行参数设置。将“待处理列”设置为“label”，勾选“保留原列”复选框，然后运行，将文本转化为计算机可以处理的连续整数形式，如图2.2.3所示。任务实施03操作步骤（8）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中用鼠标左键选中“列过滤”组件并将其拖曳到画布中，然后连接“Ordinal编码”组件和“列过滤”组件。单击“列过滤”组件，在打开的“列过滤”选区进行参数设置。将“选择列名”设置为“tf”“idf”“tf-idf”“new_label”，如图2.2.4所示，然后运行。（9）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中用鼠标左键选中“数据拆分”组件并将其拖曳到画布中，然后连接“列过滤”组件和“数据拆分”组件。单击“数据拆分”组件，在打开的“数据拆分”选区进行参数设置。将“拆分比例”设置为“0.8”，“随机数种子”设置为“None”，然后运行。（10）在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中用鼠标左键选中“分类-朴素贝叶斯”组件并将其拖曳到画布中，然后连接“数据拆分”组件和“分类-朴素贝叶斯”组件。单击“分类-朴素贝叶斯”组件，在打开的“分类-朴素贝叶斯”选区进行参数设置。将“选择特征列”设置为“tf”“idf”“tf-idf”，“选择预测列”设置为“new_label”，然后运行。任务实施03操作步骤（11）在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中用鼠标左键选中“多分类模型评估”组件并将其拖曳到画布中，然后连接“分类-朴素贝叶斯”组件与“多分类模型评估”组件，以及“数据拆分”组件与“多分类模型评估”组件。单击“多分类模型评估”组件，在打开的“多分类模型评估”选区进行参数设置。将“选择特征列”设置为“tf”“idf”“tf-idf”，“选择预测列”设置为“new_label”，然后运行，如图2.2.5所示。任务实施03操作步骤（12）在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“分类-K近邻”组件拖曳到画布中，然后连接“数据拆分”组件和“分类-K近邻”组件。单击“分类-K近邻”组件，在打开的“分类-K近邻”选区进行参数设置。将“选择特征列”设置为“tf”“idf”“tf-idf”，“选择预测列”设置为“new_label”，“K值”设置为“5”，“距离度量”设置为“欧式距离”，“分类决策规则”设置为“uniform”，然后运行，如图2.2.6所示。任务实施03操作步骤（13）在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中将“多分类模型评估”组件拖曳到画布中，然后分别连接“分类-K近邻”组件和“多分类模型评估”组件，以及“数据拆分”组件和“多分类模型评估”组件。单击“多分类模型评估”组件，在打开的“多分类模型评估”选区进行参数设置。将“选择特征列”设置为“tf”“idf”“tf-idf”，“选择预测列”设置为“new_label”，然后运行即可完成对K近邻模型的评估。（14）如表2.2.1所示是使用朴素贝叶斯模型对新闻进行分类后的评估指标表，包含了AccuracyScore、Recall和F1Score等指标，其中部分类别（如1、2、3）的AccuracyScore和F1Score为0，表明模型对这些类别的分类效果不佳。如表2.2.2所示是使用K近邻模型对新闻进行分类后的评估指标表，同样包含了AccuracyScore、Recall和F1Score等指标，从表中可以看到K近邻模型在各类别上的指标均有数值，且整体分类评估表现与朴素贝叶斯模型存在差异。任务实施03操作步骤03新闻评论情感分析任务知识01应用背景随着社交媒体和新闻平台的普及，公众习惯通过评论表达观点，这些评论蕴含的情感信息是政府和企业了解民意的重要窗口。但面对海量的文本数据，传统的人工阅读方式无法满足实时性与全面性需求，舆情监控面临效率低、响应慢的挑战。02AI+行业结合AI驱动的情感分析模型能够从大量的文本中自动学习语言规律，识别复杂语义，实现全天候、自动化情绪监测，大幅提升情感分析效率与准确性。03技术原理情感分析模型如同“语言翻译员”，通过学习带有“正面”和“负面”标签的评论样本，掌握不同语境中词语、句式的情感倾向规律。遇到新评论时，模型依据所学经验判断情感倾向，类似孩子通过听大量的故事学会区分“开心”和“难过”的表达方式。任务实施01实验平台和数据准备本任务使用“海豚人工智能与大数据实验室”平台及其自带的新闻评论情感分析数据集“combined_shuffled_01.csv”。数据来源于主流新闻网站的真实用户评论，约10000条，包含两个字段，text（评论原文）和emotion（情感标签，0代表“负面”，1代表“正面”），数据集经专业人员人工标注，确保标签质量。02数据预处理010203去除特殊符号。利用正则表达式删除空格、标点、特殊字符，保留纯文本内容，减少干扰信息。中文分词。将连续的汉字序列切分为有意义的词语单元，便于模型理解词汇的组合。数据采样。随机抽取200条评论作为样本，加快处理速度，适配教学演示需求。任务实施03操作步骤（1）打开“新闻文本分类”界面，在“组件”选区选择“读取你的数据”选项，在打开的下拉列表中将“读取csv文件”组件拖曳到画布中。单击“读取csv文件”组件，在打开的“读取csv文件”选区进行参数设置。将“选择数据源”设置为“combined_shuffled_01”，“列名”设置为“首行”，“行名”设置为“自动生成”，“编码方式”设置为“UTF-8”。然后运行，完成对新闻评论情感分析数据集的读取。（2）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“列运算”组件拖曳到画布中，然后连接“读取csv文件”组件和“列运算”组件。单击“列运算”组件，在打开的“列运算”选区中进行参数设置并运行，如图2.3.1所示。任务实施03操作步骤（3）在“组件”选区选择“文本分析”选项，在打开的下拉列表中用鼠标左键选中“分词”组件并将其拖曳到画布中，然后连接“列运算”组件和“分词”组件。单击“分词”组件，在打开的“分词”选区进行参数设置，将“选择文本列”设置为“修改后内容”，然后运行即可。（4）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“采样”组件拖曳到画布中，然后连接“分词”组件和“采样”组件。单击“采样”组件，在打开的“采样”选区中进行参数设置。将“采样数”设置为“200”，“随机数种子”设置为“10”，然后运行。（5）在“组件”选区选择“文本分析”选项，在打开的下拉列表中将“文本数据转换为数据...”组件拖曳到画布中，然后连接“采样”组件和“文本数据转换为数据...”组件。单击“文本数据转换为数据...”组件，在打开的“文本数据转换为数据...”选区进行参数设置。将“选择处理列”设置为“修改后内容”，然后运行即可。（6）在“组件”选区选择“数据预处理”选项，在打开的下拉列表中将“数据拆分”组件拖曳到画布中，然后连接“文本数据转换为数据...”组件和“数据拆分”组件。单击“数据拆分”组件，打开“数据拆分”选区，将“拆分比例”设置为“0.8”，“随机数种子”设置为“None”，然后运行。任务实施03操作步骤（7）在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“分类-朴素贝叶斯”组件拖曳到画布中，然后连接“数据拆分”组件和“分类-朴素贝叶斯”组件。单击“分类-朴素贝叶斯”组件，在打开的“分类-朴素贝叶斯”选区中进行参数设置。设置“选择特征列”时，勾选除“text”“emotion”“修改后内容”外的所有复选框，并将“选择预测列”设置为“emotion”，然后运行即可，如图2.3.2所示。任务实施03操作步骤（8）在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中将“二分类模型评估”组件拖曳到画布中，然后分别连接“分类-朴素贝叶斯”组件和“二分类模型评估”组件，以及“数据拆分”组件和“二分类模型评估”组件。单击“二分类模型评估”组件，在打开的“二分类模型评估”选区中进行参数设置。设置“特征列”时，同样勾选除“text”“emotion”“修改后内容”外的所有复选框，并将“预测列”设置为“emotion”，然后运行。（9）在“组件”选区选择“机器学习模型”选项，在打开的下拉列表中将“分类-K近邻”组件拖曳到画布中，然后连接“数据拆分”组件和“分类-K近邻”组件。单击“分类-K近邻”组件，在打开的“分类-K近邻”选区中进行参数设置。设置“选择特征列”时，勾选除“text”“emotion”“修改后内容”外的所有复选框，并将“选择预测列”设置为“emotion”，“K值”设置为“5”，“距离度量”设置为“欧式距离”，“分类决策规则”设置为“uniform”，然后运行。任务实施03操作步骤（10）在“组件”选区选择“评估你的模型”选项，在打开的下拉列表中将“二分类模型评估”组件拖曳到画布中，然后分别连接“分类-K近邻”组件和“二分类模型评估”组件，以及“数据拆分”组件和“二分类模型评估”组件。单击“二分类模型评估”组件，在打开的“二分类模型评估”选区中进行参数设置。设置“选择特征列”时，同样勾选除“text”“emotion”“修改后内容”外的所有复选框，并将“选择预测列”设置为“emotion”，然后运行即可，如图2.3.3所示。任务实施03操作步骤（11）最后得到朴素贝叶斯模型和K近邻模型的分类结果。如表2.3.1所示是朴素贝叶斯模型与K近邻模型（K=5）在准确率、精确率、召回率和F1值四个评估指标上的对比，其中朴素贝叶斯模型的四项指标明显优于K近邻模型的四项指标，可见朴素贝叶斯模型的性能优于K近邻模型。谢谢观看“高职高专系列丛书人工智能应用与实践项目式教程让机器“听懂”声音——语音识别与合成“高职高专系列丛书人工智能应用与实践项目式教程项目301语音信号处理任务知识01应用背景语音是人与机器最自然的交互方式之一，但原始的语音信号包含大量噪声、频率失衡和连续波动，直接用于AI模型的效果很差。因此，在语音识别、语音合成、声纹识别等应用中，必须先对语音信号进行标准化处理。语音信号的质量直接影响后续模型的性能和稳定性，语音信号处理技术是工业界和学术界长期研究的基础课题。02AI+行业结合传统的语音信号处理方式依赖人工调整参数，耗时且不统一。AI通过自动化预处理流程，能够快速、一致地处理海量的语音数据。例如，智能音箱在接收到“播放音乐”指令后，几毫秒内就完成了降噪、分帧、特征提取等步骤，随即启动播放。这种高效的处理能力正是建立在标准化预处理流程之上的。任务知识03技术原理（1）语音信号的采样与量化。声音本质上是连续的模拟信号，而计算机只能处理离散的数字信号。因此，需要对语音信号进行采样（按固定时间间隔记录声音强度）和量化（将每个采样值转换为有限精度的数字）。（2）预加重。语音中高频成分（如辅音“s”“t”）的能量通常低于低频成分，容易被噪声掩盖。预加重通过一个简单的高通滤波器（如y(n)=x(n)−0.98x(n−1)）增强高频成分，使频谱更平坦，以提升后续特征提取的稳定性与准确性。（3）分帧。语音信号整体是非平稳的（统计特性随时间变化），但研究表明，在20～30毫秒的短时段内，语音信号可近似视为平稳信号。因此，需要将整段语音切分为多个短时帧（如每帧25ms），并允许相邻帧之间重叠（如帧移10ms），以保证语音的时序连续性，便于逐帧分析。（4）加窗。直接截取语音片段会导致语音信号在帧边界处突变，引发频谱泄露（能量扩散到邻近频率）。因此，在每帧两端施加窗函数（如汉明窗），使语音信号在帧边界平滑衰减至零，能有效抑制频谱泄露，提高频域分析的精度。（5）MFCC特征提取。MFCC（Mel-FrequencyCepstralCoefficients，梅尔频率倒谱系数）模拟人耳对频率的非线性感知特性，将每帧语音信号转换为一组紧凑的数值特征。这些系数能有效表征语音信号的音色、发音方式等关键声学属性，是语音识别等任务中最常用的输入特征。本任务将通过对比原始信号与MFCC特征，直观展示语音信号处理对信息提炼的作用。任务实施01实验平台和数据准备本任务基于“海豚人工智能与大数据实验室”平台开展，使用平台内置的语音文件“audio1.wav”。该文件为一段简短录音，在计算机中以一维数字序列形式存储，反映声音随时间变化的波形。通过该文件，可以初步认识语音信号的数字化表示方