简介围绕Python人工智能经典案例展开这份合集适合初学机器学习的开发者、数据科学爱好者及高校学生尤其适合已有Python基础但希望快速上手AI项目的人群用于在动手实践中理解从数据读入、特征探索、模型训练到评估调优的完整流程。压缩包共104个文件体积仅2.61MB核心包含28个CSV数据集涉及房价预测、葡萄酒品质、糖尿病诊断等常见场景、24个Python源码脚本和10张结果可视化JPG图片代码与数据一一对应无需复杂环境即可运行学习。目前已有2698人学习下载案例兼顾回归与分类两类基础任务直观展示Pandas、Scikit-learn等库的典型用法可视化图片有助于理解数据分布与模型效果。整套资料轻量紧凑、结构明了可作为课堂伴学、课程设计或个人项目起步的参考样板。1. 拿到“Python 人工智能经典案例合集.zip”先别急着解压跑代码很多课程会把十多个经典人工智能案例打包成 zip 发布学生下载后第一反应是双击解压、打开某个.py、按下运行接着就面对ModuleNotFoundError或者莫名其妙的版本报错。这个问题几乎每个上过机器学习课的人都遇到过因为案例合集里有分类、回归、聚类、神经网络依赖各不相同一个环境跑所有代码基本不现实。下面按我平时处理课程代码的习惯来写从解压 zip 和搭建隔离环境讲起拆开经典案例里 train/test 的代码骨架列出常见报错和修复方式最后把案例代码改造成可以处理你自己数据的项目。适合正在做人工智能大作业、课程设计或准备复现经典案例的 Python 开发者。2. 解压 zip、检查目录结构与搭建隔离 Python 环境2.1 命令行解压与 Python zipfile 解压的取舍拿到课程代码 zip第一个操作是解压。Linux 和 macOS 上用unzip最快unzip Python_AI_Cases.zip -d ai_course less ai_course/README.md # 先读说明文件unzip的几个常用参数值得记一下。-d把文件解到指定目录避免文件散落在当前目录-l只列出压缩包内容不解压适合先确认压缩包里有没有顶层目录-O设置文件名字符集在 Windows 上压缩出来的中文文件名放到 Linux 解压会出现乱码用-O GBK能恢复正常。如果你在 Windows 上工作也可以用 7-Zip 的右键菜单但我更推荐命令行方式因为能写进脚本重复执行后面重新下载再解压不至于手忙脚乱。如果不想依赖系统命令Python 自带的 zipfile 也能实现同样的事import zipfile with zipfile.ZipFile(Python_AI_Cases.zip) as zf: for name in zf.namelist(): print(name) zf.extractall(ai_course)先用namelist()打印压缩包里的所有文件名确认目录结构再extractall()。有些课程代码 zip 会带密码extractall需要传入pwd参数with zipfile.ZipFile(Python_AI_Cases.zip) as zf: zf.extractall(ai_course, pwdbyour_password)这里要提醒一点带密码的课程包密码一般写在课程介绍页或 README 里别去折腾所谓的 zip 密码移除工具。爆破成本高且跟学习无关找到说明文件填进去更高效。2.2 看懂课程代码包的目录分层入口文件、数据与说明文档解压完成后先用find或tree摸清结构find . -maxdepth 2 -type f | sort # Windows 命令行可以用: tree /F一份常见的 Python 人工智能课程代码包通常长这样ai_course/ ├── requirements.txt ├── 01_iris_classification/ │ ├── train.py │ ├── predict.py │ └── data/ │ └── iris.csv ├── 02_house_price_prediction/ │ ├── regression.py │ └── data/ │ └── housing.csv └── 03_kmeans_clustering/ ├── kmeans.py └── plot_clusters.py看目录时重点找三个东西。第一是根目录的requirements.txt它定义了整份课程代码的 Python 依赖。第二是每个子案例的入口文件命名通常带train、predict、demo等字样从入口文件切入能最快理解案例逻辑。第三是data/目录下的数据集如果有的案例数据量小几百 KB文件很可能直接被打进了 zip如果数据超过几十 MB课程方可能只给下载脚本你需要单独下载再放回data/目录。我一般会顺手看一眼各个子目录里有没有独立的requirements.txt因为有的课程包会把神经网络案例单独列一套依赖跟根目录的不完全一致。2.3 用 venv 隔离环境并按 requirements 安装依赖十多个案例共用一个全局 Python 环境几乎一定会遇到版本冲突。常见的现象是案例 1 用 sklearn 1.2 跑得好好的案例 2 因为 numpy 版本被改掉而报错。为了避免这种问题每个案例合集我建议单独建一个虚拟环境python -m venv ai_env source ai_env/bin/activate # Linux/macOS # Windows PowerShell 下执行: ai_env\Scripts\Activate.ps1 pip install --upgrade pip setuptools wheel pip install -r requirements.txt创建虚拟环境后pip的所有安装都被隔离在ai_env里不会污染系统 Python。装依赖时如果网络不稳定pip会反复超时可以换用国内镜像源速度会明显提升pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple安装阶段的报错和排查可以对照下面这张表报错现象可能原因处理方式python setup.py egg_info失败setuptools 版本过旧先执行pip install --upgrade pip setuptools wheelNo matching distribution found包名写错或仅支持特定 Python 版本检查 requirements.txt 里的版本约束Microsoft Visual C 14.0 is requiredWindows 上缺少编译工具安装 VS Build Tools或改用带预编译 wheel 的包ERROR: pips dependency resolver ...依赖之间有版本冲突锁定冲突包版本重新安装装完依赖后建议用pip list看一眼关键包的版本例如scikit-learn、numpy、pandas、matplotlib。提示pip list输出的版本号是后续定位环境问题的最重要依据跑通后再装任何新包都建议先看一眼历史版本记录避免升级某个依赖把整个环境搞挂。3. 经典案例代码骨架拆解分类、回归、聚类与神经网络的通用结构3.1 分类案例的最小骨架从数据切分到评估报告课程代码里的分类案例比如鸢尾花分类、手写数字识别不管封装多漂亮核心骨架都一样。下面是 sklearn 的最小实现import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import classification_report df pd.read_csv(data/iris.csv) X df.drop(species, axis1) y df[species] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) scaler StandardScaler() X_train scaler.fit_transform(X_train) X_test scaler.transform(X_test) model RandomForestClassifier( n_estimators200, max_depth5, random_state42 ) model.fit(X_train, y_train) y_pred model.predict(X_test) print(classification_report(y_test, y_pred))这段代码代表了课程案例里最常见的流程read_csv读数据、drop去掉标签列、train_test_split划分训练集和测试集、StandardScaler做标准化、RandomForestClassifier训练、classification_report输出评估结果。几个参数值得展开说明random_state固定随机种子保证每次运行切分结果一致课程作业里要复现实验结果就靠它StandardScaler先计算训练集的均值和标准差然后用同一组参数去转换测试集不能在测试集上重新fit否则会导致数据泄露评估结果虚高这是新手最容易踩的坑。3.2 回归案例的评估回归里没有准确率只看误差和 R2房价预测这类回归案例输出是连续数值课程代码里常见的是LinearRegression或者RandomForestRegressor。评估部分和分类不同没有 accuracy看的是均方误差、平均绝对误差和决定系数from sklearn.linear_model import LinearRegression from sklearn.metrics import ( mean_squared_error, mean_absolute_error, r2_score, ) model LinearRegression() model.fit(X_train, y_train) pred model.predict(X_test) mse mean_squared_error(y_test, pred) rmse mse ** 0.5 mae mean_absolute_error(y_test, pred) r2 r2_score(y_test, pred) print(fMSE{mse:.4f}, RMSE{rmse:.4f}, MAE{mae:.4f}, R2{r2:.4f})MSE 因为计算了平方量纲和原始目标值不一致越是数量级大的数据集MSE 数值越大不好解释。RMSE 开根号之后量纲回到原值比如房价以万元为单位RMSE 是 1.2 就意味着平均偏差约 1.2 万元。MAE 直接对误差取绝对值平均受异常值影响比 MSE 小。R2 表示回归模型解释方差的比例最高是 1.0在课程作业里如果 R2 是负数说明模型比直接预测均值还差基本就是特征没构造好或者数据没对齐。这三个指标建议一起看只看 R2 一个指标容易被高分低能的模型欺骗。3.3 聚类案例的关键点归一化、k 值选择与 n_init聚类是课程代码里最容易被低估的案例。K-Means 代码通常很短但输出结果往往一团糟原因多半是没做归一化from sklearn.cluster import KMeans from sklearn.preprocessing import MinMaxScaler scaler MinMaxScaler() X_scaled scaler.fit_transform(X) model KMeans(n_clusters3, n_init10, max_iter300, random_state42) labels model.fit_predict(X_scaled)K-Means 基于欧氏距离计算相似度如果某个特征取值在 0 到 1 之间另一个特征取值在 0 到 10000 之间后者会主导距离计算。MinMaxScaler把特征压缩到 0-1 区间StandardScaler则让特征均值为 0、方差为 1两者都可以用但我更倾向对连续值用StandardScaler因为它对异常值没那么敏感。n_clusters的取值可以选手肘法循环训练不同 k 值画出 SSE 曲线的拐点作为最优 k。n_init是重复初始化中心点的次数最终保留 SSE 最小的一次结果调大到 10 或 20 能减小聚类结果的不稳定性。老版本代码里如果不写n_init新版本 sklearn 会提示默认行为变化但不影响运行。3.4 神经网络案例的最小循环epoch、loss 与 optimizer 的关系课程合集稍往深处一点会带 PyTorch 或 TensorFlow 的案例。这类代码的通用结构也相对固定拿 PyTorch 举例核心就是数据转张量、定义网络、定义损失函数和优化器、循环训练import torch import torch.nn as nn X_t torch.tensor(X_train, dtypetorch.float32) y_t torch.tensor(y_train, dtypetorch.float32).view(-1, 1) net nn.Sequential( nn.Linear(X_t.shape[1], 64), nn.ReLU(), nn.Linear(64, 1), ) loss_fn nn.MSELoss() optimizer torch.optim.Adam(net.parameters(), lr1e-3) for epoch in range(200): optimizer.zero_grad() out net(X_t) loss loss_fn(out, y_t) loss.backward() optimizer.step() if epoch % 20 0: print(fepoch{epoch}, loss{loss.item():.4f})这个循环解释了神经网络案例里三个最核心的参数。epoch是整体数据被训练几轮普通小数据集 100 到 300 轮够用loss 不再下降就可以提前停。lr是学习率太大 loss 会震荡甚至爆掉太小收敛慢1e-3 是 Adam 优化器比较稳妥的起点。loss.backward()计算梯度optimizer.step()更新参数optimizer.zero_grad()必须放在每轮开始之前清空梯度否则梯度会累加。这三个地方是课程作业里被问得最多的点。下面把这四类案例的骨架做一版对照案例类型核心任务典型算法主要评估指标分类预测离散类别RandomForestClassifier、LogisticRegressionaccuracy、F1、混淆矩阵回归预测连续数值LinearRegression、RandomForestRegressorRMSE、MAE、R2聚类无标签分组KMeans、层次聚类SSE、轮廓系数神经网络端到端特征学习多层感知机、CNN、RNN取决于任务类型4. 跑课程代码时最常遇到的 5 类报错与修复方式课程代码跑不动十次里有八次不是算法问题而是环境或路径问题。下面是课程包里最常见的几类现象和处理方向先看表再对照细节报错类别典型现象处理优先级中文乱码图里的中文变成方块字体配置版本错位AttributeError、ImportError锁定依赖版本路径错误FileNotFoundError用 pathlib 锚定路径显存不足CUDA out of memory调小 batch size压缩包损坏CRC failed、解压报错重新下载4.1 matplotlib 中文乱码字体设置要放在绘图之前课程代码里的图常常有中文标题在 Windows 上默认字体不包含中文字符图形标签就会变成一个个方块。修复方式是在绘图代码最前面加上import matplotlib import matplotlib.pyplot as plt matplotlib.rcParams[font.sans-serif] [SimHei] matplotlib.rcParams[axes.unicode_minus] FalseSimHei是 Windows 自带的黑体。Linux 服务器上一般没有黑体可以换成Noto Sans CJK SC或者先执行fc-list :langzh查看系统里已有的中文字体把存在的字体名填进去。axes.unicode_minus设置为 False 是为了让坐标轴的负号正常显示只设置字体不设置这一项负号会渲染成方框。4.2 sklearn 与 numpy 的版本错位课程代码发布时用的依赖和当前环境下最新的依赖未必兼容。比较典型的是 numpy 2.x 移除了一些旧别名导致 sklearn 老版本的方法在调用时抛出module numpy has no attribute bool之类的异常。遇到这类问题我一般先看版本再决定是升级还是降级pip show scikit-learn numpy如果项目要求老版本 sklearn就按 requirements.txt 里锁定的版本重装pip install scikit-learn1.2.2 numpy1.26建议不要直接在全局环境里操作而是在第 2 章创建的虚拟环境里执行。课程代码本身没有维护义务优先保证能跑通而不是迁就最新版本。4.3 相对路径报错用 pathlib 锚定脚本位置课程代码里最常见的FileNotFoundError出在pd.read_csv(data/iris.csv)这一句原因不是文件不存在而是当前工作目录不在项目根目录。IDE 的运行目录配置不同同一条相对路径在不同机器上的行为也不一样。稳妥的做法是让路径基于代码文件所在位置计算from pathlib import Path BASE_DIR Path(__file__).resolve().parent.parent DATA_DIR BASE_DIR / data df pd.read_csv(DATA_DIR / iris.csv)__file__是当前脚本的完整路径.resolve()把相对路径转换成绝对路径.parent.parent根据脚本所在层级上溯到项目根目录。这样不管从哪个目录执行脚本数据路径都不会错。4.4 深度学习案例显存不足与训练不收敛深度学习相关的课程案例对硬件要求高CUDA out of memory几乎是必出现的报错。处理顺序通常是先把 batch size 从 32 降到 16 或者 8再把图片输入尺寸从 224 降到 112关掉pin_memory如果还不行就换 CPU 跑小数据集验证代码逻辑。显存优化解决不了训练 loss 不下降的问题那个方向要看学习率试试把lr从 1e-3 降到 1e-4或者检查数据归一化是不是做得不对。4.5 压缩包文件损坏检测 zip 完整性下载的 zip 文件可能因为网络中断导致 CRC 校验失败解压时会报bad CRC或者只解出一半文件。先检测完整性unzip -t Python_AI_Cases.zip-t参数会逐个文件测试 CRC。也可以用 Python 做同样的检测python -c import zipfile; zipfile.ZipFile(Python_AI_Cases.zip).testzip()返回None表示文件完整返回文件名说明该文件校验失败。这种情况直接重新下载不用浪费时间在本地修复。5. 把课程代码改造成自己的项目数据替换、指标验证与模型保存5.1 替换数据前对字段做一次检查课程代码跑通后最常见的动作是把数据集换成自己的。第一步不是改模型而是确认字段和标签列的名称import pandas as pd df pd.read_csv(my_data.csv) print(df.head()) print(df.columns.tolist()) print(df.isnull().mean())如果缺失率超过 30%这一列要么删除要么做填充。分类字符串列需要先用LabelEncoder或者pd.get_dummies转成数值。做完这些检查后只需要把X df.drop(target, axis1)里的target换成你自己的标签列名模型部分几乎不用改动。5.2 评估指标的选择不平衡数据里准确率会骗人课程作业里的准确率在数据均衡时还好用一旦正负样本比例悬殊比如异常检测中 95% 是正常样本模型全预测正常类也能拿到 95% 的准确率看着很高实际没有区分能力。这时候要看 precision、recall 和 F1。classification_report会一次输出这三项recall表示真实正例中被找出来的比例F1 是 precision 和 recall 的调和平均类别不均衡时优先看 F1别只看准确率。5.3 模型保存与加载joblib 和 pickle 的选择训练好的模型要保存下来课程代码里常用的有pickle和joblib。对 sklearn 模型我更推荐joblib它对 numpy 数组的序列化效率更高import joblib joblib.dump(model, iris_model.pkl) new_model joblib.load(iris_model.pkl) pred new_model.predict(X_test)注意joblib.dump保存的是整个模型对象加载后直接使用predict接口即可不需要重新训练。如果是神经网络模型最好保存权重文件而不是序列化整个模型对象PyTorch 用torch.save(net.state_dict(), model.weights.pth)加载时先定义相同结构网络再load_state_dict。5.4 用保存的图像验证效果混淆矩阵与 ROC 曲线改造后的代码最后一步是验证建议把混淆矩阵保存成图片往课程报告里粘贴也方便from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay import matplotlib.pyplot as plt cm confusion_matrix(y_test, y_pred) disp ConfusionMatrixDisplay(confusion_matrixcm) disp.plot(cmapBlues) plt.savefig(confusion_matrix.png, dpi150)dpi150保证插入报告和 PPT 时图片不模糊。对于二分类还可以加一条 ROC 曲线用sklearn.metrics.roc_curve计算 FPR 和 TPR曲线下面积AUC越接近 1说明模型排序能力越强。把这个流程固化下来之后课程包里再多十几个案例改造成自己的项目也只需要改read_csv路径、标签列名和评估指标三处地方。本文还有配套的精品资源点击获取
Python人工智能经典案例合集实战：环境搭建、代码拆解与报错修复
简介围绕Python人工智能经典案例展开这份合集适合初学机器学习的开发者、数据科学爱好者及高校学生尤其适合已有Python基础但希望快速上手AI项目的人群用于在动手实践中理解从数据读入、特征探索、模型训练到评估调优的完整流程。压缩包共104个文件体积仅2.61MB核心包含28个CSV数据集涉及房价预测、葡萄酒品质、糖尿病诊断等常见场景、24个Python源码脚本和10张结果可视化JPG图片代码与数据一一对应无需复杂环境即可运行学习。目前已有2698人学习下载案例兼顾回归与分类两类基础任务直观展示Pandas、Scikit-learn等库的典型用法可视化图片有助于理解数据分布与模型效果。整套资料轻量紧凑、结构明了可作为课堂伴学、课程设计或个人项目起步的参考样板。1. 拿到“Python 人工智能经典案例合集.zip”先别急着解压跑代码很多课程会把十多个经典人工智能案例打包成 zip 发布学生下载后第一反应是双击解压、打开某个.py、按下运行接着就面对ModuleNotFoundError或者莫名其妙的版本报错。这个问题几乎每个上过机器学习课的人都遇到过因为案例合集里有分类、回归、聚类、神经网络依赖各不相同一个环境跑所有代码基本不现实。下面按我平时处理课程代码的习惯来写从解压 zip 和搭建隔离环境讲起拆开经典案例里 train/test 的代码骨架列出常见报错和修复方式最后把案例代码改造成可以处理你自己数据的项目。适合正在做人工智能大作业、课程设计或准备复现经典案例的 Python 开发者。2. 解压 zip、检查目录结构与搭建隔离 Python 环境2.1 命令行解压与 Python zipfile 解压的取舍拿到课程代码 zip第一个操作是解压。Linux 和 macOS 上用unzip最快unzip Python_AI_Cases.zip -d ai_course less ai_course/README.md # 先读说明文件unzip的几个常用参数值得记一下。-d把文件解到指定目录避免文件散落在当前目录-l只列出压缩包内容不解压适合先确认压缩包里有没有顶层目录-O设置文件名字符集在 Windows 上压缩出来的中文文件名放到 Linux 解压会出现乱码用-O GBK能恢复正常。如果你在 Windows 上工作也可以用 7-Zip 的右键菜单但我更推荐命令行方式因为能写进脚本重复执行后面重新下载再解压不至于手忙脚乱。如果不想依赖系统命令Python 自带的 zipfile 也能实现同样的事import zipfile with zipfile.ZipFile(Python_AI_Cases.zip) as zf: for name in zf.namelist(): print(name) zf.extractall(ai_course)先用namelist()打印压缩包里的所有文件名确认目录结构再extractall()。有些课程代码 zip 会带密码extractall需要传入pwd参数with zipfile.ZipFile(Python_AI_Cases.zip) as zf: zf.extractall(ai_course, pwdbyour_password)这里要提醒一点带密码的课程包密码一般写在课程介绍页或 README 里别去折腾所谓的 zip 密码移除工具。爆破成本高且跟学习无关找到说明文件填进去更高效。2.2 看懂课程代码包的目录分层入口文件、数据与说明文档解压完成后先用find或tree摸清结构find . -maxdepth 2 -type f | sort # Windows 命令行可以用: tree /F一份常见的 Python 人工智能课程代码包通常长这样ai_course/ ├── requirements.txt ├── 01_iris_classification/ │ ├── train.py │ ├── predict.py │ └── data/ │ └── iris.csv ├── 02_house_price_prediction/ │ ├── regression.py │ └── data/ │ └── housing.csv └── 03_kmeans_clustering/ ├── kmeans.py └── plot_clusters.py看目录时重点找三个东西。第一是根目录的requirements.txt它定义了整份课程代码的 Python 依赖。第二是每个子案例的入口文件命名通常带train、predict、demo等字样从入口文件切入能最快理解案例逻辑。第三是data/目录下的数据集如果有的案例数据量小几百 KB文件很可能直接被打进了 zip如果数据超过几十 MB课程方可能只给下载脚本你需要单独下载再放回data/目录。我一般会顺手看一眼各个子目录里有没有独立的requirements.txt因为有的课程包会把神经网络案例单独列一套依赖跟根目录的不完全一致。2.3 用 venv 隔离环境并按 requirements 安装依赖十多个案例共用一个全局 Python 环境几乎一定会遇到版本冲突。常见的现象是案例 1 用 sklearn 1.2 跑得好好的案例 2 因为 numpy 版本被改掉而报错。为了避免这种问题每个案例合集我建议单独建一个虚拟环境python -m venv ai_env source ai_env/bin/activate # Linux/macOS # Windows PowerShell 下执行: ai_env\Scripts\Activate.ps1 pip install --upgrade pip setuptools wheel pip install -r requirements.txt创建虚拟环境后pip的所有安装都被隔离在ai_env里不会污染系统 Python。装依赖时如果网络不稳定pip会反复超时可以换用国内镜像源速度会明显提升pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple安装阶段的报错和排查可以对照下面这张表报错现象可能原因处理方式python setup.py egg_info失败setuptools 版本过旧先执行pip install --upgrade pip setuptools wheelNo matching distribution found包名写错或仅支持特定 Python 版本检查 requirements.txt 里的版本约束Microsoft Visual C 14.0 is requiredWindows 上缺少编译工具安装 VS Build Tools或改用带预编译 wheel 的包ERROR: pips dependency resolver ...依赖之间有版本冲突锁定冲突包版本重新安装装完依赖后建议用pip list看一眼关键包的版本例如scikit-learn、numpy、pandas、matplotlib。提示pip list输出的版本号是后续定位环境问题的最重要依据跑通后再装任何新包都建议先看一眼历史版本记录避免升级某个依赖把整个环境搞挂。3. 经典案例代码骨架拆解分类、回归、聚类与神经网络的通用结构3.1 分类案例的最小骨架从数据切分到评估报告课程代码里的分类案例比如鸢尾花分类、手写数字识别不管封装多漂亮核心骨架都一样。下面是 sklearn 的最小实现import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import classification_report df pd.read_csv(data/iris.csv) X df.drop(species, axis1) y df[species] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) scaler StandardScaler() X_train scaler.fit_transform(X_train) X_test scaler.transform(X_test) model RandomForestClassifier( n_estimators200, max_depth5, random_state42 ) model.fit(X_train, y_train) y_pred model.predict(X_test) print(classification_report(y_test, y_pred))这段代码代表了课程案例里最常见的流程read_csv读数据、drop去掉标签列、train_test_split划分训练集和测试集、StandardScaler做标准化、RandomForestClassifier训练、classification_report输出评估结果。几个参数值得展开说明random_state固定随机种子保证每次运行切分结果一致课程作业里要复现实验结果就靠它StandardScaler先计算训练集的均值和标准差然后用同一组参数去转换测试集不能在测试集上重新fit否则会导致数据泄露评估结果虚高这是新手最容易踩的坑。3.2 回归案例的评估回归里没有准确率只看误差和 R2房价预测这类回归案例输出是连续数值课程代码里常见的是LinearRegression或者RandomForestRegressor。评估部分和分类不同没有 accuracy看的是均方误差、平均绝对误差和决定系数from sklearn.linear_model import LinearRegression from sklearn.metrics import ( mean_squared_error, mean_absolute_error, r2_score, ) model LinearRegression() model.fit(X_train, y_train) pred model.predict(X_test) mse mean_squared_error(y_test, pred) rmse mse ** 0.5 mae mean_absolute_error(y_test, pred) r2 r2_score(y_test, pred) print(fMSE{mse:.4f}, RMSE{rmse:.4f}, MAE{mae:.4f}, R2{r2:.4f})MSE 因为计算了平方量纲和原始目标值不一致越是数量级大的数据集MSE 数值越大不好解释。RMSE 开根号之后量纲回到原值比如房价以万元为单位RMSE 是 1.2 就意味着平均偏差约 1.2 万元。MAE 直接对误差取绝对值平均受异常值影响比 MSE 小。R2 表示回归模型解释方差的比例最高是 1.0在课程作业里如果 R2 是负数说明模型比直接预测均值还差基本就是特征没构造好或者数据没对齐。这三个指标建议一起看只看 R2 一个指标容易被高分低能的模型欺骗。3.3 聚类案例的关键点归一化、k 值选择与 n_init聚类是课程代码里最容易被低估的案例。K-Means 代码通常很短但输出结果往往一团糟原因多半是没做归一化from sklearn.cluster import KMeans from sklearn.preprocessing import MinMaxScaler scaler MinMaxScaler() X_scaled scaler.fit_transform(X) model KMeans(n_clusters3, n_init10, max_iter300, random_state42) labels model.fit_predict(X_scaled)K-Means 基于欧氏距离计算相似度如果某个特征取值在 0 到 1 之间另一个特征取值在 0 到 10000 之间后者会主导距离计算。MinMaxScaler把特征压缩到 0-1 区间StandardScaler则让特征均值为 0、方差为 1两者都可以用但我更倾向对连续值用StandardScaler因为它对异常值没那么敏感。n_clusters的取值可以选手肘法循环训练不同 k 值画出 SSE 曲线的拐点作为最优 k。n_init是重复初始化中心点的次数最终保留 SSE 最小的一次结果调大到 10 或 20 能减小聚类结果的不稳定性。老版本代码里如果不写n_init新版本 sklearn 会提示默认行为变化但不影响运行。3.4 神经网络案例的最小循环epoch、loss 与 optimizer 的关系课程合集稍往深处一点会带 PyTorch 或 TensorFlow 的案例。这类代码的通用结构也相对固定拿 PyTorch 举例核心就是数据转张量、定义网络、定义损失函数和优化器、循环训练import torch import torch.nn as nn X_t torch.tensor(X_train, dtypetorch.float32) y_t torch.tensor(y_train, dtypetorch.float32).view(-1, 1) net nn.Sequential( nn.Linear(X_t.shape[1], 64), nn.ReLU(), nn.Linear(64, 1), ) loss_fn nn.MSELoss() optimizer torch.optim.Adam(net.parameters(), lr1e-3) for epoch in range(200): optimizer.zero_grad() out net(X_t) loss loss_fn(out, y_t) loss.backward() optimizer.step() if epoch % 20 0: print(fepoch{epoch}, loss{loss.item():.4f})这个循环解释了神经网络案例里三个最核心的参数。epoch是整体数据被训练几轮普通小数据集 100 到 300 轮够用loss 不再下降就可以提前停。lr是学习率太大 loss 会震荡甚至爆掉太小收敛慢1e-3 是 Adam 优化器比较稳妥的起点。loss.backward()计算梯度optimizer.step()更新参数optimizer.zero_grad()必须放在每轮开始之前清空梯度否则梯度会累加。这三个地方是课程作业里被问得最多的点。下面把这四类案例的骨架做一版对照案例类型核心任务典型算法主要评估指标分类预测离散类别RandomForestClassifier、LogisticRegressionaccuracy、F1、混淆矩阵回归预测连续数值LinearRegression、RandomForestRegressorRMSE、MAE、R2聚类无标签分组KMeans、层次聚类SSE、轮廓系数神经网络端到端特征学习多层感知机、CNN、RNN取决于任务类型4. 跑课程代码时最常遇到的 5 类报错与修复方式课程代码跑不动十次里有八次不是算法问题而是环境或路径问题。下面是课程包里最常见的几类现象和处理方向先看表再对照细节报错类别典型现象处理优先级中文乱码图里的中文变成方块字体配置版本错位AttributeError、ImportError锁定依赖版本路径错误FileNotFoundError用 pathlib 锚定路径显存不足CUDA out of memory调小 batch size压缩包损坏CRC failed、解压报错重新下载4.1 matplotlib 中文乱码字体设置要放在绘图之前课程代码里的图常常有中文标题在 Windows 上默认字体不包含中文字符图形标签就会变成一个个方块。修复方式是在绘图代码最前面加上import matplotlib import matplotlib.pyplot as plt matplotlib.rcParams[font.sans-serif] [SimHei] matplotlib.rcParams[axes.unicode_minus] FalseSimHei是 Windows 自带的黑体。Linux 服务器上一般没有黑体可以换成Noto Sans CJK SC或者先执行fc-list :langzh查看系统里已有的中文字体把存在的字体名填进去。axes.unicode_minus设置为 False 是为了让坐标轴的负号正常显示只设置字体不设置这一项负号会渲染成方框。4.2 sklearn 与 numpy 的版本错位课程代码发布时用的依赖和当前环境下最新的依赖未必兼容。比较典型的是 numpy 2.x 移除了一些旧别名导致 sklearn 老版本的方法在调用时抛出module numpy has no attribute bool之类的异常。遇到这类问题我一般先看版本再决定是升级还是降级pip show scikit-learn numpy如果项目要求老版本 sklearn就按 requirements.txt 里锁定的版本重装pip install scikit-learn1.2.2 numpy1.26建议不要直接在全局环境里操作而是在第 2 章创建的虚拟环境里执行。课程代码本身没有维护义务优先保证能跑通而不是迁就最新版本。4.3 相对路径报错用 pathlib 锚定脚本位置课程代码里最常见的FileNotFoundError出在pd.read_csv(data/iris.csv)这一句原因不是文件不存在而是当前工作目录不在项目根目录。IDE 的运行目录配置不同同一条相对路径在不同机器上的行为也不一样。稳妥的做法是让路径基于代码文件所在位置计算from pathlib import Path BASE_DIR Path(__file__).resolve().parent.parent DATA_DIR BASE_DIR / data df pd.read_csv(DATA_DIR / iris.csv)__file__是当前脚本的完整路径.resolve()把相对路径转换成绝对路径.parent.parent根据脚本所在层级上溯到项目根目录。这样不管从哪个目录执行脚本数据路径都不会错。4.4 深度学习案例显存不足与训练不收敛深度学习相关的课程案例对硬件要求高CUDA out of memory几乎是必出现的报错。处理顺序通常是先把 batch size 从 32 降到 16 或者 8再把图片输入尺寸从 224 降到 112关掉pin_memory如果还不行就换 CPU 跑小数据集验证代码逻辑。显存优化解决不了训练 loss 不下降的问题那个方向要看学习率试试把lr从 1e-3 降到 1e-4或者检查数据归一化是不是做得不对。4.5 压缩包文件损坏检测 zip 完整性下载的 zip 文件可能因为网络中断导致 CRC 校验失败解压时会报bad CRC或者只解出一半文件。先检测完整性unzip -t Python_AI_Cases.zip-t参数会逐个文件测试 CRC。也可以用 Python 做同样的检测python -c import zipfile; zipfile.ZipFile(Python_AI_Cases.zip).testzip()返回None表示文件完整返回文件名说明该文件校验失败。这种情况直接重新下载不用浪费时间在本地修复。5. 把课程代码改造成自己的项目数据替换、指标验证与模型保存5.1 替换数据前对字段做一次检查课程代码跑通后最常见的动作是把数据集换成自己的。第一步不是改模型而是确认字段和标签列的名称import pandas as pd df pd.read_csv(my_data.csv) print(df.head()) print(df.columns.tolist()) print(df.isnull().mean())如果缺失率超过 30%这一列要么删除要么做填充。分类字符串列需要先用LabelEncoder或者pd.get_dummies转成数值。做完这些检查后只需要把X df.drop(target, axis1)里的target换成你自己的标签列名模型部分几乎不用改动。5.2 评估指标的选择不平衡数据里准确率会骗人课程作业里的准确率在数据均衡时还好用一旦正负样本比例悬殊比如异常检测中 95% 是正常样本模型全预测正常类也能拿到 95% 的准确率看着很高实际没有区分能力。这时候要看 precision、recall 和 F1。classification_report会一次输出这三项recall表示真实正例中被找出来的比例F1 是 precision 和 recall 的调和平均类别不均衡时优先看 F1别只看准确率。5.3 模型保存与加载joblib 和 pickle 的选择训练好的模型要保存下来课程代码里常用的有pickle和joblib。对 sklearn 模型我更推荐joblib它对 numpy 数组的序列化效率更高import joblib joblib.dump(model, iris_model.pkl) new_model joblib.load(iris_model.pkl) pred new_model.predict(X_test)注意joblib.dump保存的是整个模型对象加载后直接使用predict接口即可不需要重新训练。如果是神经网络模型最好保存权重文件而不是序列化整个模型对象PyTorch 用torch.save(net.state_dict(), model.weights.pth)加载时先定义相同结构网络再load_state_dict。5.4 用保存的图像验证效果混淆矩阵与 ROC 曲线改造后的代码最后一步是验证建议把混淆矩阵保存成图片往课程报告里粘贴也方便from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay import matplotlib.pyplot as plt cm confusion_matrix(y_test, y_pred) disp ConfusionMatrixDisplay(confusion_matrixcm) disp.plot(cmapBlues) plt.savefig(confusion_matrix.png, dpi150)dpi150保证插入报告和 PPT 时图片不模糊。对于二分类还可以加一条 ROC 曲线用sklearn.metrics.roc_curve计算 FPR 和 TPR曲线下面积AUC越接近 1说明模型排序能力越强。把这个流程固化下来之后课程包里再多十几个案例改造成自己的项目也只需要改read_csv路径、标签列名和评估指标三处地方。本文还有配套的精品资源点击获取