5.1.5 机器学习的核心方法 -2

探析机器学习的基础原理与汽车数据特征主讲教师：陈思汽车人工智能通识讲义项目五

任务1汽车人工智能通识讲义1.4机器学习的核心方法1.4.2无监督学习1.什么是无监督学习无监督学习是机器学习的核心方法之一，与依赖“输入-标签”配对数据的监督学习形成关键差异——其处理的是无预先定义标签的数据，无需人工标注结果，核心任务是通过算法自主挖掘数据内部隐藏的结构、模式或内在关联，从无序数据中发现有序规律（如图5-1-5所示），因此也被称为“无教师学习”。相较于监督学习需明确“已知结果”引导训练，无监督学习更侧重让算法主动探索数据特征，例如无需提前定义“驾驶类型”，即可从海量驾驶行为数据中自动划分行为模式，或无需标注“异常值”，即可识别传感器数据中的异常波动。图5-1-5无监督学习核心任务示意图汽车人工智能通识讲义1.4机器学习的核心方法2.无监督学习原理无监督学习的核心原理可概括为“无标签数据输入→算法自主分析→输出内在规律”，具体通过两类典型逻辑实现，结合智能网联汽车场景可清晰理解：数据聚类：挖掘相似性分组规律针对无标签的原始数据（如智能网联汽车的驾驶行为数据：加速频率、刹车次数、能耗、车速等），算法通过计算数据间的相似性（如加速频率与能耗的关联度），将特征相近的数据归为同一簇（如图5-1-6所示），特征差异大的数据划分为不同簇。图5-1-6数据聚类示意图汽车人工智能通识讲义1.4机器学习的核心方法以K-means聚类算法为例，处理驾驶行为数据时，无需提前标注“驾驶类型”，算法先设定聚类数量K=3，再通过迭代调整簇中心，使簇内数据相似度最高、簇间相似度最低，最终自动输出3类驾驶模式：“节能型”（低加速、平稳刹车、低能耗）、“激进型”（高频率急加速/刹车、高能耗）、“平稳型”（操作均衡、中能耗），实现从无序数据到有序模式的转化，如图5-1-7所示。图5-1-7K-means聚类算法处理驾驶行为数据的示意图汽车人工智能通识讲义1.4机器学习的核心方法异常检测：识别数据偏离规律针对连续产生的时序数据（如车载电池电压、传感器采集的车辆状态数据），算法先学习数据的“正常分布规律”（如电池电压正常波动范围），再通过对比新数据与正常规律的偏差程度，自动识别异常值。例如监测电池电压传感器数据时，无监督学习无需标注“异常电压标签”，只需先分析历史正常电压的波动范围与趋势，当新采集的电压数据突然偏离该范围（如短时间内从3.8V骤降至2.0V），算法即可判定为异常，预警传感器故障或电池潜在问题，保障数据可靠性。简言之，无监督学习通过“自主探索数据特征→提炼内在规律→输出可应用模式”的逻辑，在无人工标注成本、数据标签难获取的汽车场景中（如海量用户驾驶行为、多传感器实时数据），展现出高效的数据分析能力。汽车人工智能通识讲义1.4机器学习的核心方法1.4.3强化学习1.什么是强化学习强化学习是机器学习的核心方法之一，与依赖“静态数据-标签”的监督/无监督学习形成关键差异——其核心逻辑围绕“智能体与环境的动态交互”展开：通过智能体（如车辆决策模块）在环境（如行驶场景）中持续做出决策，依据环境反馈的“奖励信号”（正向/负向）不断优化决策策略，最终实现“长期累积奖励最大化”的目标。该方法无需预先提供带标签的训练数据，也无需人工标注结果，而是通过“试错-反馈-调整”的循环，让智能体自主学习适配环境的最优策略，因此也被称为“试错学习”，尤其适用于需动态适应环境变化的场景（如车辆行驶路况、驾驶需求的实时调整）。汽车人工智能通识讲义1.4机器学习的核心方法2.强化学习原理强化学习的核心原理可概括为“感知环境→执行决策→接收奖励→优化策略”的闭环迭代过程，结合新能源汽车与智能网联汽车场景可清晰拆解：（1）通用原理框架强化学习的运行依赖三大核心要素：智能体：执行决策的主体（如车辆的能量管理模块、自动驾驶决策系统）；环境：智能体所处的动态场景（含影响决策的各类因素，如路况、电池状态、障碍物分布）；奖励信号：环境对智能体决策的反馈（正向奖励：决策符合目标，如降低能耗；负向奖励：决策偏离目标，如增加能耗或引发安全风险）。迭代流程为：①智能体先感知当前环境状态（如“电池电量70%+城市拥堵路况”）；②基于当前策略做出决策（如“提高能量回收强度”）；③环境执行决策后，反馈对应的奖励信号（如“电量增加、能耗降低→正向奖励”）；④智能体根据奖励信号调整策略（如“继续强化该电量下拥堵路况的能量回收参数”）；⑤重复①-④步骤，直至策略稳定实现“长期累积奖励最大化”（如全场景下能耗最优、安全风险最低）。汽车人工智能通识讲义1.4机器学习的核心方法（2）场景化原理应用①新能源汽车能量管理场景智能体：车辆能量管理决策模块；环境：包含路况（拥堵/畅通）、电池状态（电量/SOC）、驾驶模式（高速/低速）；决策与奖励闭环：当环境状态为“电池电量70%+城市拥堵路况”时，智能体决策“提高能量回收强度”；若决策后实现“电量回收增加、无驾驶体验下降”，环境反馈正向奖励，智能体则进一步优化该场景下的能量回收参数；若决策导致“刹车顿挫、驾驶体验差”，环境反馈负向奖励，智能体则下调回收强度，重新迭代测试，最终形成适配不同“电量+路况”组合的最优能量分配策略。②智能网联汽车自动驾驶路径规划场景智能体：自动驾驶决策系统；环境：包含车辆当前位置、周围障碍物分布（如行人/他车辆）、交通规则（如限速/红绿灯）；决策与奖励闭环：当车辆距目的地1km且右侧有行人横穿时，智能体决策减速并向左微调车道。若避开行人且不偏离路线，获正向奖