專題二：數據處理與人工智能 復習課件 高中信息技術浙教版（2019）必修1

數據處理必修一：數據與計算（一輪復習）表格數據處理常見數據問題及解決方法數據缺失：忽略或采用平均值、中間值或概率統(tǒng)計值填充數據重復：進一步審核的基礎上進行合并或刪除數據異?！獢祿环弦话阋?guī)律：這些有可能是要去掉的噪聲，也有可能是含有重要信息的數據對象邏輯錯誤——與實際不符，違背邏輯或規(guī)則：對應的字段需要設置取值范圍判斷格式不一致：將不同格式的數據轉換成統(tǒng)一格式后再進行處理數據計算數據計算

（1）如圖1所示，區(qū)域G4:G14的數據是通過排名函數RANK計算得到，在G4中輸入公式___________________________，再利用自動填充完成G5:G14的計算。（2）對圖1中浙江省各地市數據按“十年增幅”為關鍵字進行降序排序，則排序的數據區(qū)域是_____________。=RANK(F4,F$4:F$14)A4:G14數據計算數據計算

（3）對A4:G15中的數據進行兩次篩選操作，首先對“十年增量”列進行篩選，篩選條件如圖2所示；再對“城市”列篩選，篩選條件如圖3所示，則篩選出的行數為_____1數據計算（4）根據圖1中數據制作了反應各地區(qū)人口情況的圖表，如圖2所示，創(chuàng)建圖表的數據區(qū)域是_______。B4:D14圖表呈現圖表類型適合展現數據關系柱形圖大小關系折線圖變化趨勢餅圖數據構成百分比雷達圖多項指標比較散點圖變量之間的聯系氣泡圖變量之間的關系大數據處理大數據特點與大數據思維大數據特點（4V）：數據體量大（Volume）類型多（Variety）速度快（Velocity）：①產生速度快②處理速度快價值密度低（Value）大數據思維：①分析全體數據，而不是抽樣數據②不追求數據的精確性，而能夠接受數據的混雜型③不強調對因果關系的探求，而更加注重相關性大數據大數據處理靜態(tài)數據批處理Hadoop、Spark圖數據圖計算Pregel、GraphX流數據流計算Storm、Heron大數據處理思想大數據處理思想——“分治思想”。即將一個復雜的問題拆分成兩個或多個相同或相似的子問題，找到求這幾個問題的解法之后，把它們組合成求整個問題的解法。分解、解決、合并大數據處理框架靜態(tài)數據——批處理在處理時已經收集完成、在計算時不會發(fā)生改變的數據。

Hbase(數據存儲與管理)數據以文件的形式、用多副本保存在不同的存儲節(jié)點中，并進行分布式管理。HDFS用于云盤、網盤的底層。采用基于列的存儲方式，用于存儲半結構化和非結構化數據，具有良好的橫向擴展能力。靜態(tài)數據——批處理在處理時已經收集完成、在計算時不會發(fā)生改變的數據。

Hbase(數據存儲與管理)靜態(tài)數據批處理軟件：Hadoop、Spark流數據——流計算不間斷地、持續(xù)地到達的實時數據。流數據的價值會隨著時間

的流逝而降低。

對采集的數據實時分析和計算并反饋實時結果。經處理系統(tǒng)處理完成的數據流直接丟棄或存儲用戶可以實時查詢最新數據分析結果，數據不斷更新，實時推薦給用戶流計算應用：廣告推送、個性化推薦、實時交通流計算軟件：Storm、Streams、S4、Puma流數據與傳統(tǒng)數據區(qū)別

流處理系統(tǒng)和傳統(tǒng)的數據處理系統(tǒng)的區(qū)別:1、流處理系統(tǒng)處理的是實時的數據，而傳統(tǒng)的數據處理系統(tǒng)處理的是預先存儲好的靜態(tài)數據。2、用戶通過流處理系統(tǒng)獲取的一般是實時結果，而傳統(tǒng)的數據處理方式獲取的都是過去某一個歷史時刻的快照。3、流處理系統(tǒng)會實時地把生成的結果不斷的推動給用戶，傳統(tǒng)數據需要用戶主動查詢才能獲取數據。圖數據——圖計算現實世界中以圖形式展現的數據。如社交網絡、道路交通等。圖處理軟件：Pregel、GraphX

文本數據處理文本數據處理應用

020103050604搜索引擎自動摘要機器翻譯論文查重文本分類垃圾郵件過濾文本數據處理過程

分詞數據分析特征提取結果呈現分詞分詞：將連續(xù)的子序列按照一定的規(guī)范重新組合成詞序列的過程

基于字典在分析句子時與詞典中的詞語進行對比，詞典中出現的就劃分為詞基于統(tǒng)計依據上下文中相鄰字出現的頻率統(tǒng)計，同時出現的次數越高就越有可能組成一個詞，一般與基于字典的分詞方法結合使用基于規(guī)則計算機模擬人的計算方式，根據大量的現有資料和規(guī)則進行學習，進而分詞jieba分詞函數對應模式cuts精準分詞模式：將句子最精確地切分開cut(s,cut_all=Ture)全模式分詞：將句子中所有成詞的詞語都掃描出來cut_for_search(s)搜索引擎模式分詞：在精確模式的基礎上對長詞再進行切分，將更短的詞語切分出來jieba分詞s="我來到了西北皇家理工學院，發(fā)現這兒真不錯"seg_list=jieba.cut(s,cut_all=True)我/來到/了/西北/皇家/理工/理工學/理工學院/工學/工學院/學院/，/發(fā)現/這兒/真不/真不錯/不錯s="我來到了西北皇家理工學院，發(fā)現這兒真不錯"seg_list=jieba.cut(s,cut_all=False)我/來到/了/西北/皇家/理工學院/，/發(fā)現/這兒/真不錯s="我來到了西北皇家理工學院，發(fā)現這兒真不錯"seg_list=jieba.cut_for_search(s)我/來到/了/西北/皇家/理工/工學/學院/理工學/工學院/理工學院/，/發(fā)現/這兒/真不錯特征提取在中文文本分析中采用字、詞、短語作為表示文本的特征項。特征提取方式：①根據專家知識挑選有價值的特征。②用數學建模的方法構造評估函數自動選取特征。

結果呈現——標簽云

關鍵詞的視覺化描述。用文字大小等形式來表現詞語的重要性應用于報紙、雜志等傳統(tǒng)媒體和互聯網結果呈現——文本情感分析

計算機通過技術對文本的主觀性、觀點、情緒進行挖掘和分析，對文本的情感情緒做出分類的判斷。

主要應用于輿情監(jiān)控、信息預測，或用于判斷產品的口碑，進而幫助生產者改進產品人工智能AI緊密相關的領域

人工智能人工智能的概念人工智能：1、以機器（計算機）為載體2、模仿、延伸和擴展人類智能3、與生物智能有著重要區(qū)別。人工智能符號主義我感覺到頭暈、乏力、畏寒，體溫37.5℃這是發(fā)燒了，需要服用退燒藥，注意飲食清淡符號主義=知識庫+推理引擎典型案例：專家系統(tǒng)符號主義從海量數據出發(fā)，尋找數據中蘊含的模式——聯結主義聯結主義典型案例：深度學習、模式識別聯結主義行為主義結果反饋調整學習方式無效學習有效學習行為主義：從“交互——反饋”角度刻畫智能行為，是一種問題引導下的試錯學習。典型案例：強化學習、掃地機器人行為主義人工智能領域人工智能依賴于領域知識和數據的人