Python人工智能技术与应用 PPT课件 8.【课件】3-2 完成基于KNN的人脸识别实训.pptx

《Python人工智能技术与应用》能力模块三掌握机器学习技术的基础应用任务二完成基于KNN的人脸识别实训

TaskImport任务导入现市场部门已经提供了准确可靠的汽车产品竞品分析，公司根据市场情况以及自身资源制定了无人驾驶开发的项目。出于安全考虑和法律要求，国家规定所有的自动驾驶车辆必须搭载人脸识别系统。你作为该无人驾驶汽车制造厂商的无人驾驶系统开发小组中的感知算法工程师，主要职责是基于深度学习和机器学习技术，训练和优化算法模型，提高感知算法的准确度和效率。现需要你使用机器学习技术实现驾驶员人脸的识别，提供驾驶员身份安全认证服务。

素养目标引导问题的过程中，培养学生形成勤于思考的能力获得分析解决问题以及多元化思考解决问题的方法，形成创新意识。TaskObject任务目标知识目标了解机器学习分类算法的定义和流程。了解主流的分类算法。了解最近邻算法(KNN)的定义。了解最近邻算法(KNN)的适用情形和适用场景。了解最近邻算法(KNN)和K-means算法的联系和区别。技能目标能够思考并确立基于KNN算法实现人脸识别的思路。掌握使用sklearn库实现对人脸识别数据进行处理。了解人脸识别技术在自动驾驶中的应用，培养主动探究，联系实际的职业精神。

新授

机器学习分类算法的定义与流程01CONTENTS目录主流分类算法02最近邻算法(KNN)定义与适用场景03人脸识别技术在自动驾驶中的应用04基于KNN算法的人脸识别项目实现05

01机器学习分类算法的定义与流程分类算法是指通过对带标签数据集的分析，从中发现训练集特征到训练集标签的规则，使用所学习到的规则去预测新数据的类别的机器学习算法。白羊群中分类出黑羊（一）分类算法的定义

01学习数据特征和标签之间的联系。即归纳、分析训练集，找到合适的分类器，建立分类模型得到分类规则。1.“学习步”对新数据进行类别预测。即用已知的测试集来检测分类规则的准确率，若准确度可以接受，则使用训练好的模型对未知类标号的待测集进行预测。2.“分类步”机器学习分类算法的定义与流程（二）分类算法的流程分类水果甜度的预测

02主流分类算法KNN算法通过周围最近“K”个邻居来判断自身分类通过搜索K个最相似的实例（邻居）的整个训练集并总结那些K个实例的输出变量，对新数据点进行预测。最近邻算法（KNN）

02主流分类算法逻辑回归函数试图在数据集中绘制出这样的曲线作为“分界线”计算数据点是否属于某个类别的可能性，将数据点划分为可能性最高的那个类别。朴素贝叶斯算法主要解决二分类问题，用来表示某件事情发生的可能性。逻辑回归算法

02主流分类算法支持向量机在不同类别的数据集间寻找一个最大的“间隔”SVM训练算法构建一个模型。支持向量机算法

03最近邻算法（KNN）定义与适用场景KNN算法通过找到训练集样本空间中的K个距离预测样本X最近的点，统计K个距离最近的点的类别，找出个数最多的类别，将X归入该类别。将未知样本Xu划分为W1中从图中可以清晰看出，当K=5时，其周围有四个点都是红色点，未知样本Xu应该属于类别W1，即红色点。

03最近邻算法（KNN）定义与适用场景将未知样本Xu划分为W1中从图中可以清晰看出，当K=5时，其周围有四个点都是红色点，未知样本Xu应该属于类别W1，即红色点。（一）KNN算法的适用情形数据集较少

03最近邻算法（KNN）定义与适用场景将未知样本Xu划分为W1中KNN算法对特征数目的敏感度很高，当特征数目较少时，KNN算法效果会比较好。但是当特征数目较多时，算法效果可能会变差。（一）KNN算法的适用情形特征数目较少

03最近邻算法（KNN）定义与适用场景分类问题：KNN算法适用于分类问题，如对图像、文本等数据进行分类。在电商领域中，可以使用KNN算法对客户进行分类，如对于新客户，可以根据其购买历史、搜索记录等信息，将其分类为潜在的高、中、低价值客户。回归问题：KNN算法也适用于回归问题，如根据房屋的特征预测其价格。在金融领域中，可以使用KNN算法对股票价格进行预测，根据历史数据预测未来某一天股票的价格。推荐系统：KNN算法也可以用于推荐系统中，如根据用户的历史购买记录和浏览行为，推荐相似的商品或服务。（二）KNN算法的适用场景

03最近邻算法（KNN）定义与适用场景K-means训练的数据是带标签的数据，KNN训练的数据是不带标签的数据KNN：训练KNN模型的数据是带标签的数据，已经是完全正确的数据。K-Means：训练K-means的数据集是无数据（三）KNN和K-means的区别有无数据标签

03最近邻算法（KNN）定义与适用场景KNN算法K值的含义——最近的K个邻居、这里K=1KNN算法：K为选定的邻居数。对于给定的样本