单元六 · AI项目工坊
第26课 推荐出行方式
一、学习目标
- 了解影响选择出行方式的主要因素，并掌握相关数据的收集和整理方法。
- 掌握构建智能推荐系统的方法，能使用构建的智能系统推荐出行方式。
二、情境导入
人工智能能否在不同条件下推荐合理的出行方式？
出行是人们日常生活中不可或缺的一部分，选择合适的出行方式往往需要综合考虑多种因素，如时间、距离、天气等。
三、核心讲解
本课学习路径：
1准备数据
2基于决策树推荐
3基于人工神经网络推荐
4反思与改进
51 准备数据
1．准备数据
推荐（预测）离不开数据，准备数据一般要经历收集数据、整理数
数据：把现象变成可记录、可比较的信息，再用图表看清规律。
- 据、清洗数据、分析数据和构建数据集等过程。
2．1 准备数据
这一步重点是：将整理后的数据按某种文件格式保存起来，如CSV 格式。保存时，确保每一列都有清晰的字段名，如距离、温度、同伴数量、风力、天气、出行方式等。
算法：把任务拆成可执行的步骤：弄清输入、处理、输出，再按顺序验证。
- 去除重复、错误或不完整的数据，
- 确保数据的准确性和一致性
- 通过对数据运用统计分析和可视化
- 等方法，挖掘出潜在的规律和趋势
- 访问一个支持代码生成的人工智能网站，输入需求描述，如“请根
想一想：本不足或划分不合理，应如何改进？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_decision_tree — 在框内完成操作
组件 model_literature_clustering — 在框内完成操作
五、课堂总结
- 数据准备的一般过程包括收集数据、整理数据、清洗数据、分析数据、构建数据集等五个步骤。
- 决策树通过一系列判断条件缩小推荐范围，最终得出一个推荐结果。
- 人工神经网络通过学习输入和输出之间的关系，根据输入的出行情况推荐出行方式。
六、拓展提升
拓展：建议先梳理影响出行方式选择的关键因素，并尝试将这些模糊的主观判断转化为可量化的数据特征，并提出不同技术方案，比较不同技术方案的优劣。节假日快到了，很多同学计划和家人一起外出旅行。
测评
完成练习后作答；选出后点「检查」。答错会显示简短说明。
下列哪一项更接近本课学习目标？
本课课堂总结强调的是？
本课主题最贴近下列哪一项？
完成本课后，优先应该做什么来证明学会了？
判断：教学指南中的学习活动可以全部跳过。
拓展提升部分的作用是？
本节小结
回顾本课要点，完成动手体验与测评。记住：推荐出行方式。