AI 学习之旅 · 阶段二：机器学习

🤖 阶段二：机器学习

第1课：机器学习是什么？

核心思想

传统编程 → 人写规则，电脑执行 机器学习 → 电脑自己从数据中学习规则

生活中的机器学习

• 垃圾邮件过滤
• 抖音/小红书推荐算法
• 语音助手（Siri、小爱同学）
• 人脸识别

机器学习的三种类型

监督学习的两个主要任务

• 分类：预测类别（这封邮件是垃圾邮件吗？）
• 回归：预测数值（这套房子能卖多少钱？）

💡 核心比喻：机器学习 = 拟合函数

你有一堆散点，机器学习帮你画一条最贴合这些点的曲线。 以后来一个新的 x，就能用这条曲线预测 y。

测验答案：B — 用历史房价数据训练模型，预测新房价（有标准答案 = 监督学习）

第2课：第一个机器学习项目

用 sklearn 训练一个判断鸢尾花品种的模型。

完整代码

python

# 1. 导入工具 from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score # 2. 加载数据 iris = load_iris() X = iris.data # 特征（花的大小数据） y = iris.target # 标签（品种编号：0,1,2） # 3. 拆分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, random_state=42 ) # test_size=0.3 → 70%训练，30%测试 # 4. 选择模型并训练 model = KNeighborsClassifier(n_neighbors=3) model.fit(X_train, y_train) # 训练！ # 5. 预测并评估 y_pred = model.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print(f"模型准确率: {accuracy * 100:.1f}%") # 6. 用自己的数据试试 new_flower = [[5.1, 3.5, 1.4, 0.2]] prediction = model.predict(new_flower) print(f"预测品种: {iris.target_names[prediction[0]]}")

代码解读

• train_test_split：不能把所有数据都用来训练，要留一部分来"闭卷考试"
• KNeighborsClassifier：看新数据周围最近的 3 个邻居是什么品种，少数服从多数
• accuracy_score：模型说对了百分之多少

如何在 Google Colab 运行

1. 打开 colab.research.google.com
2. 新建笔记本
3. 粘贴代码，按Shift + Enter运行

测验题目：train_test_split的作用是什么？

• A. 把数据按行拆成训练和测试两部分 ✅
• B. 把数据按列拆成特征和标签
• C. 用来训练模型的主体函数
• D. 用来评估模型准确率的函数

第3课：过拟合与泛化 ⚠️

这是机器学习最重要的概念，理解了它你就超越了 80% 的初学者。

什么是过拟合？

生活比喻：

小明背下了所有练习题的答案，考试遇到新题就不会了 →过拟合小红理解了解题思路，遇到新题也能做对 →泛化能力强✅

三种状态对比

防止过拟合的 4 种方法

1. 更多数据— 数据越多，模型越难"背答案"
2. 正则化（Regularization）— 给模型加约束，不让它太复杂
3. 交叉验证— 多次拆分训练/测试集，确保模型稳定
4. 早停（Early Stopping）— 测试集误差开始上升时立即停止训练

判断口诀

训练集误差 ↓ 测试集误差 ↓ → 泛化能力强 ✅ 训练集误差 ↓ 测试集误差 ↑ → 过拟合！⚠️ 训练集误差 ↑ 测试集误差 ↑ → 欠拟合 ⚠️

代码示例：绘制学习曲线

python

from sklearn.model_selection import learning_curve import matplotlib.pyplot as plt train_sizes, train_scores, val_scores = learning_curve( model, X, y, cv=5 ) # 两条曲线差距很大 → 过拟合 # 两条曲线都很高（误差大） → 欠拟合

测验答案：B — 训练集准确率高但测试集准确率低，说明可能过拟合了