基于ROS的智能汽车设计与实训教程ML-CZ-chapter1

第1章引言第1章引言感知并智能控制世界上所有的事物，是人类亘古不变的追求。人与感知设备、计算存储设备、执行设备构成了一个机器治理（machineruling）环路：借助于物联网等技术，感知设备实时采集有关人与物理世界的数据可使用机器学习方法进一步分析处理这些数据

2

第1章引言

31.1机器学习简史1.2什么是机器学习1.3机器学习的应用1.4机器学习方法的实现

1.2什么是机器学习

4

“MachineLearningisthescienceofgettingcomputerstolearnandactlikehumansdo,andimprovetheirlearningovertimeinautonomousfashion,byfeedingthemdataandinformationintheformofobservationsandreal-worldinteractions.”“机器学习是使计算机像人类一样学习和行动的科学，并通过以观察和与真实世界交互的形式向计算机提供数据和信息，从而随着时间的推移以自主方式改善其学习。”1.2什么是机器学习

5

AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,asmeasuredbyP,improveswithexperienceE.如果某计算机程序在任务T中的性能（由性能指标P衡量）随经验E有所提高，则认为该程序可以从经验E中学习。1.4机器学习方法的实现【实验1-1】用Python实现两个数组中对应元素相乘并累加，即点积运算。用for循环实现，给出计算结果，并给出这段程序的运行时长。提示：获取以秒为单位的当前时间可使用time.perf_counter()函数，需要先importtime计算结果为：832333500

6

1.4机器学习方法的实现函数功能说明np.array()

创建一个数组np.arange()

返回一个由等差数列元素组成的数组，通常公差为整数时使用该函数np.linspace()

返回一个由等差数列元素组成的数组，公差不为整数时也可使用该函数，但使用该函数时通常需给出数组的大小np.shape()

返回数组的形状np.reshape()

改变数组（包括矩阵、向量）的形状np.zeros()

创建一个各元素值都为0的数组np.ones()

创建一个各元素值都为1的数组np.dot()

计算两个数组（包括矩阵、向量）的点积np.sum()

计算数组指定轴上的元素之和np.amax()

返回数组指定轴上元素的最大值np.amin()

返回数组指定轴上元素的最小值np.argmax()

返回数组指定轴上元素的最大值的索引np.argmin()

返回数组指定轴上元素的最小值的索引np.mean()

计算数组指定轴上元素的算术平均值np.std()

计算数组指定轴上元素的标准差np.sqrt()

计算数组中各元素的非负平方根np.exp()

计算数组中各元素的自然指数函数值np.log()

计算数组中各元素的自然对数rng=np.random.default_rng(seed)

使用随机种子seed构造一个随机数生成器rngrng.shuffle()

沿数组的指定轴随机排序子数组rng.random()egers()

返回指定区间内均匀分布的随机整数rng.normal()

返回正态分布（高斯分布）的随机浮点数

7

1.4机器学习方法的实现【实验1-2】实现实验1-1中的点积运算。用NumPy库实现，给出计算结果，并给出这段程序的运行时长。提示：可使用np.arange()函数和np.dot()函数，先importnumpyasnp计算结果同样为：832333500

8

1.4机器学习方法的实现

9

为什么使用向量或矩阵（而非使用循环）进行运算，可以节省程序运行时间？1.4机器学习方法的实现

10

函数功能说明plt.figure()

新建一个图形或激活已有图形plt.plot()

画平面直角坐标系下的点（或标记）及其之间的连线，其前两个参数通常为由点（或标记）的横坐标和纵坐标分别组成的两个数组plt.xlabel()

设置横轴的标签plt.ylabel()

设置纵轴的标签plt.title()

设置图形的标题plt.show()

显示图形p