基于Python語言的“人工智能”課程教學(xué)改革研究

王新良 馬耀博

摘要 為了提高“人工智能”課程的教學(xué)質(zhì)量和效果，激發(fā)學(xué)生的學(xué)習(xí)興趣，促進(jìn)學(xué)生找到行之有效的學(xué)習(xí)方法，從而加強(qiáng)對本門課程的掌握程度。本課題基于Python語言語法簡單、使用便捷的特點(diǎn)，以人工智能領(lǐng)域中的機(jī)器學(xué)習(xí)為案例，結(jié)合Python中主流的人工智能算法庫，實現(xiàn)了基于Python的機(jī)器學(xué)習(xí)。案例教學(xué)能讓學(xué)生深入淺出地理解人工智能的本質(zhì)，使學(xué)生對該課程有更加全面和深刻的認(rèn)識，同時也能進(jìn)一步提高教師的教學(xué)質(zhì)量。

關(guān)鍵詞 人工智能 Python 機(jī)器學(xué)習(xí) 教學(xué)改革 案例教學(xué)

中圖分類號：G424 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A ? ?DOI：10.16400/j.cnki.kjdkz.2020.01.067

Teaching reform of "Artificial Intelligence" Based on Python Language

WANG Xinliang， MA Yaobo

（School of Physics and Electronic Information， Henan Polytechnic University， Jiaozuo， Henan 454000）

Abstract In order to improve the teaching quality and effect of the course of Artificial Intelligence， stimulate students' interest in learning， and promote students to find effective learning methods， so as to strengthen the mastery of this course. Based on the simple grammar and convenient use of Python language， this paper takes machine learning in the field of artificial intelligence as an example， and combines the mainstream artificial intelligence algorithm library in Python to realize machine learning based on Python. Case teaching can make students understand the essence of AI deeply and shallowly， make students have a more comprehensive and profound understanding of the course， and at the same time， it can further improve the teaching quality of teachers.

Keywords Artificial Intelligence; Python; machine learning; teaching reform; case teaching

0 引言

人工智能是計算機(jī)科學(xué)延伸出的一個學(xué)科，它希望研究出一個能像人腦思考的機(jī)器。[1]人工智能涉及學(xué)科廣泛，具體涉及但不限于計算機(jī)科學(xué)、數(shù)學(xué)、統(tǒng)計、概率論、信息學(xué)、心理學(xué)等。[2]2018年3月，教育部批準(zhǔn)35所高校首設(shè)人工智能本科專業(yè)，[3]此后，眾多高校也開展人工智能相關(guān)課程。因人工智能所涉及的知識眾多、理論性強(qiáng)、數(shù)學(xué)基礎(chǔ)和邏輯能力要求高等特點(diǎn)，教師在該課程上的教授上不能按照傳統(tǒng)的教學(xué)方式進(jìn)行教學(xué)。在高校的傳統(tǒng)教學(xué)中，程序設(shè)計語言多選擇C/C++或Java。[4]但隨著人工智能的發(fā)展，Python開發(fā)語言越來越受人工智能研究開發(fā)人員的青睞，究其原因，是因為Python中封裝了豐富的人工智能算法庫，且Python具有上手簡單，操作簡便的特點(diǎn)，因此，它成為人工智能學(xué)習(xí)的一大利器。[5]在教學(xué)工作中，教師基于Python開發(fā)語言，以人工智能中的機(jī)器學(xué)習(xí)為案例，開始無需從具體的算法原理著手，而是先借助Python以及其封裝的人工智能相關(guān)算法庫，以此來學(xué)習(xí)機(jī)器學(xué)習(xí)的邏輯，進(jìn)而可以看到算法實現(xiàn)的結(jié)果，以此來激發(fā)學(xué)生探索和學(xué)習(xí)的興趣，最后再具體地向?qū)W生講授人工智能的相關(guān)算法及其思想。

1 人工智能課程教學(xué)要點(diǎn)

1.1 Python概述及其用于人工智能學(xué)習(xí)的優(yōu)勢

Python語言優(yōu)點(diǎn)眾多，其語法簡單、應(yīng)用領(lǐng)域廣泛、具有高度可擴(kuò)展性和可移植性等特點(diǎn)。Python作為當(dāng)前最主流最適合人工智能研究開發(fā)的語言，且對于有一定編程基礎(chǔ)的學(xué)生來說，是學(xué)習(xí)人工智能的不二選擇。人工智能本身是一個涉及范圍廣、內(nèi)容較為枯燥抽象的學(xué)科，這對于初次接觸人工智能的學(xué)生并不友好。但在Python中，有專門的適用于人工智能學(xué)習(xí)的標(biāo)準(zhǔn)模塊和包，這些模塊中又封裝了現(xiàn)成的用于人工智能研究學(xué)習(xí)的經(jīng)典數(shù)據(jù)集以及人工智能算法源碼。學(xué)生剛開始學(xué)習(xí)人工智能課程時，在不熟悉算法思想的情況下，也可以輕松調(diào)用相關(guān)算法模塊，實現(xiàn)預(yù)期的結(jié)果，繼而以果溯因，去學(xué)習(xí)具體的算法思想。

1.2 樸素貝葉斯算法概述

在人工智能的授課中，機(jī)器學(xué)習(xí)中的分類問題是一個較為熱門且較于理解的理解的問題。分類問題中的樸素貝葉斯算法對有一定數(shù)學(xué)基礎(chǔ)的學(xué)生而言，原理邏輯也較為清晰，以此為案例進(jìn)行講授也便于學(xué)生理解和接受。

樸素貝葉斯是基于貝葉斯定理實現(xiàn)的一個經(jīng)典的分類算法。該算法的原理是針對給定的一組數(shù)據(jù)，假設(shè)有n個獨(dú)立的屬性，則先計算訓(xùn)練集中的n個獨(dú)立屬性的聯(lián)合概率分布，得出學(xué)習(xí)模型，然后對給定的測試輸入x，通過模型學(xué)習(xí)，即通過貝葉斯定理計算出后驗概率分布，較大的輸出y對應(yīng)的類即為x的所屬類，以此來完成分類任務(wù)。樸素貝葉斯算法描述如表1所示。

2 案例教學(xué)在人工智能課程中的實現(xiàn)

該算法案例使用的數(shù)據(jù)集為機(jī)器學(xué)習(xí)中經(jīng)典的鳶尾花數(shù)據(jù)集，用Python列表操作取出鳶尾花數(shù)據(jù)集特征空間中的后兩個維度，構(gòu)成二維數(shù)據(jù)，以便于二維平面圖像的繪制。此外，需要導(dǎo)入numpy庫用于多維數(shù)組和矩陣的相關(guān)計算;導(dǎo)入sklearn庫中的naive_bayes模塊，并選用高斯樸素貝葉斯分類器GaussianNB作為樸素貝葉斯分類算法的分類器;使用matplotlib庫作為數(shù)據(jù)集相關(guān)圖形的繪制。

以上數(shù)據(jù)集已經(jīng)構(gòu)建完成。在本案例中，首先需要對該數(shù)據(jù)集劃分為訓(xùn)練集和測試集，該劃分使用sklearn庫中的model_selection模塊中的train_test_split（）方法完成，該方法將傳入數(shù)據(jù)集和數(shù)據(jù)對應(yīng)的標(biāo)簽數(shù)據(jù)集劃分為訓(xùn)練集（x_train）、訓(xùn)練集標(biāo)簽數(shù)據(jù)集（y_train）、測試集（x_test）、測試集標(biāo)簽數(shù)據(jù)集（y_test）四個數(shù)據(jù)集合，該方法的參數(shù)test_size用于設(shè)置測試集的大小，本案例設(shè)置其大小為30。數(shù)據(jù)集分割完畢，接著使用GaussianNB中的fit（ ）函數(shù)對x_train和y_train進(jìn)行訓(xùn)練，得出訓(xùn)練模型，然后基于該模型使用predict（ ）函數(shù)對x_test進(jìn)行預(yù)測，得出測試集預(yù)測標(biāo)簽值列表pre_y。接著，完成數(shù)據(jù)的可視化，該過程首先先產(chǎn)生區(qū)域圖的劃分和繪制，區(qū)域圖由x_train和y_train訓(xùn)練產(chǎn)生，區(qū)域圖劃分的準(zhǔn)確度取決于訓(xùn)練數(shù)據(jù)的數(shù)據(jù)量，本案例中，在特征空間的x軸和y軸方向分別采樣250個樣本值，采樣值的個數(shù)影響著區(qū)域邊緣的平滑度和樣本點(diǎn)的離散程度，接著使用numpy庫的linspace方法對樣本值在特征空間中進(jìn)行均勻分布;使用numpy庫的meshgrid方法生成網(wǎng)格采樣點(diǎn)，該方法的參數(shù)即為上述linspace方法的返回值。繪圖部分由matplotlib的scatter方法完成，該案例中，圖像需要展示的信息包括格點(diǎn)預(yù)測數(shù)據(jù)、訓(xùn)練集數(shù)據(jù)、測試集預(yù)測數(shù)據(jù)，其中格點(diǎn)預(yù)測數(shù)據(jù)也是基于上述的預(yù)測模型中的predict（）函數(shù)來實現(xiàn)，該部分預(yù)測數(shù)據(jù)構(gòu)成了區(qū)域圖。最終樸素貝葉斯分類結(jié)果如圖1所示。

從圖1中可以看出，訓(xùn)練集和測試集的數(shù)據(jù)的分類基本無誤，但也有誤差，如圖中箭頭和圓標(biāo)記的數(shù)據(jù)點(diǎn)，該數(shù)據(jù)點(diǎn)為Versicolour測試集中的點(diǎn)，按照樸素貝葉斯算法的預(yù)測，預(yù)期結(jié)果應(yīng)該是該點(diǎn)應(yīng)歸類于中間區(qū)域，但實際在右上區(qū)域，這就產(chǎn)生了誤差，本案例的誤差在可接受范圍內(nèi)。

3 總結(jié)

本文通過在人工智能課程中引入Python機(jī)器學(xué)習(xí)的案例，讓學(xué)生直觀快速地收獲到機(jī)器學(xué)習(xí)的成果，激發(fā)學(xué)生的興趣，從而執(zhí)果求因，避免了因人工智能課程的生澀難懂而造成學(xué)生望而卻步的局面。教學(xué)過程中使用的案例是人工智能領(lǐng)域較為簡單經(jīng)典的案例，讓學(xué)生輕松地上手，進(jìn)而平緩地向更加深入的課程過渡。因此，使用Pyhton案例進(jìn)行人工智能的教學(xué)，一方面提高了教學(xué)的質(zhì)量，另一方面，符合時代發(fā)展的趨勢，具有一定的意義。

基金項目：2018年教育部-奧鵬教育產(chǎn)學(xué)合作協(xié)同育人項目，項目編號：201801044003;

2018年河南理工大學(xué)新工科建設(shè)研究與實踐項目，項目名稱：高校在線網(wǎng)絡(luò)學(xué)習(xí)平臺教學(xué)實施效果分析與研究

參考文獻(xiàn)

[1] 李丹.人工智能課程教學(xué)改革探討[J].欽州學(xué)院學(xué)報，2016.31（10）：64-67.

[2] 趙佳，孫剛.面向人工智能的信息管理與信息系統(tǒng)專業(yè)教學(xué)改革[J].電腦知識與技術(shù)，2017.13（10）：127-128.

[3] 35所高校人工智能專業(yè)獲批? 百所院校建配套專業(yè)[J].中國包裝，2019.39（06）：90.

[4] 秦科，劉貴松.面向Python應(yīng)用的大學(xué)教學(xué)改革初探[J].計算機(jī)教育，2017（09）：21-25.

[5] 韓志豪.人工智能背景下的Python教學(xué)探索[J].計算機(jī)時代，2018（07）：76-81.