第 17 章练习与答案 关于《AI 零基础 36 讲》课后训练与正式讲解配套学习本篇是《AI 零基础 36 讲》的配套课后训练与对应章节的正式讲解一起使用。整个系列面向初学者从日常 AI使用逐步进入编程、模型训练和大模型应用开发。✍️先独立作答再核对答案训练围绕本章知识安排概念判断、结果分析或动手任务并提供参考答案与解释。建议先读完对应的正式文章再独立作答遇到困难时回看相关例子最后核对答案。代码题请亲手运行观察程序输出确认自己能解释结果、发现错误并完成修复。做完一道题也要弄清答案为什么成立。练习预测配送分钟数、判断邮件是否垃圾信息、将无标签的读书记录分成相似组分别属于哪类任务这些例子为虚构教学设定。本章的sample_id、四个测量列和target各有什么用途哪些可以进入 X150 条记录按本章规则划分训练与测试各多少条每个类别各多少条在划分前用全部 150 条记录计算标准化统计量会有什么问题测试标签什么时候可以使用模型在 30 条测试记录中答对 28 条基线答对 10 条。计算两者准确率并解释多错一条的影响。模型保存后新输入的列顺序换了但仍然有四列能否认为预测有效为什么同时保存处理链和版本参考答案1. 看期望输出配送分钟数为回归垃圾信息判断为分类无标签相似记录分组为聚类。类别即使编码为数字仍然可以是分类任务。2. 追踪与预测sample_id用来追踪来源四个测量列进入 Xtarget是训练时对照的 y。编号、标签都不进入 X尤其不能把已知类别作为预测输入。3. 样本用途训练 120 条、测试 30 条。分层后各类训练 40 条、测试 10 条两个编号集合没有交集。特征与标签保持同一行整行一起划分。fromexamples.project_coreimportload_dataset,split_dataset train,testsplit_dataset(load_dataset())print(len(train),len(test))print(len(set(train.sample_id)set(test.sample_id)))输出为120 30交集数量为0。4. 预处理也是学习规则全部数据参与统计量计算会让测试信息进入训练规则形成数据泄漏。训练时只能对训练数据fit测试数据按已有规则转换。测试标签在最终预测后用来对照评分不能用于拟合或根据成绩反复选参数。5. 数字和分母模型为28/30约 93.33%基线为10/30约 33.33%。少答对一条会下降1/30约 3.33 个百分点。这里的分母较小结果不能直接推广成未来的固定表现。print(f模型准确率{28/30:.2%})print(f基线准确率{10/30:.2%})print(f一条记录的变化{1/30*100:.2f}个百分点)输出依次为 93.33%、33.33% 和 3.33 个百分点。6. 形状对了也可能理解错列顺序变了模型会把数字当作另一种测量程序不报错也不能视为有效。使用按字段名输入的入口仍须核对单位。保存完整 Pipeline 能保留标准化规则版本记录帮助判断加载环境是否一致重载测试可以发现文件与结果不一致。 
长河君 · 2026/10/26 1:47:17 · 阅读 1.2k 【零基础学AI】第 17 章课后练习与答案
第 17 章练习与答案 关于《AI 零基础 36 讲》课后训练与正式讲解配套学习本篇是《AI 零基础 36 讲》的配套课后训练与对应章节的正式讲解一起使用。整个系列面向初学者从日常 AI使用逐步进入编程、模型训练和大模型应用开发。✍️先独立作答再核对答案训练围绕本章知识安排概念判断、结果分析或动手任务并提供参考答案与解释。建议先读完对应的正式文章再独立作答遇到困难时回看相关例子最后核对答案。代码题请亲手运行观察程序输出确认自己能解释结果、发现错误并完成修复。做完一道题也要弄清答案为什么成立。练习预测配送分钟数、判断邮件是否垃圾信息、将无标签的读书记录分成相似组分别属于哪类任务这些例子为虚构教学设定。本章的sample_id、四个测量列和target各有什么用途哪些可以进入 X150 条记录按本章规则划分训练与测试各多少条每个类别各多少条在划分前用全部 150 条记录计算标准化统计量会有什么问题测试标签什么时候可以使用模型在 30 条测试记录中答对 28 条基线答对 10 条。计算两者准确率并解释多错一条的影响。模型保存后新输入的列顺序换了但仍然有四列能否认为预测有效为什么同时保存处理链和版本参考答案1. 看期望输出配送分钟数为回归垃圾信息判断为分类无标签相似记录分组为聚类。类别即使编码为数字仍然可以是分类任务。2. 追踪与预测sample_id用来追踪来源四个测量列进入 Xtarget是训练时对照的 y。编号、标签都不进入 X尤其不能把已知类别作为预测输入。3. 样本用途训练 120 条、测试 30 条。分层后各类训练 40 条、测试 10 条两个编号集合没有交集。特征与标签保持同一行整行一起划分。fromexamples.project_coreimportload_dataset,split_dataset train,testsplit_dataset(load_dataset())print(len(train),len(test))print(len(set(train.sample_id)set(test.sample_id)))输出为120 30交集数量为0。4. 预处理也是学习规则全部数据参与统计量计算会让测试信息进入训练规则形成数据泄漏。训练时只能对训练数据fit测试数据按已有规则转换。测试标签在最终预测后用来对照评分不能用于拟合或根据成绩反复选参数。5. 数字和分母模型为28/30约 93.33%基线为10/30约 33.33%。少答对一条会下降1/30约 3.33 个百分点。这里的分母较小结果不能直接推广成未来的固定表现。print(f模型准确率{28/30:.2%})print(f基线准确率{10/30:.2%})print(f一条记录的变化{1/30*100:.2f}个百分点)输出依次为 93.33%、33.33% 和 3.33 个百分点。6. 形状对了也可能理解错列顺序变了模型会把数字当作另一种测量程序不报错也不能视为有效。使用按字段名输入的入口仍须核对单位。保存完整 Pipeline 能保留标准化规则版本记录帮助判断加载环境是否一致重载测试可以发现文件与结果不一致。