Daromadlar:
- Pandalar bilan telemetriya, sinov va ishlab chiqarish ma'lumotlarini yuklaydigan va tozalaydigan takrorlanadigan tahlil ish oqimini yaratish qobiliyati
- Sun'iy intellektdan kod, atributlar va vizualizatsiya yordamini olayotganda chiqish satrlarini tushunish va tekshirish qobiliyati
- Birlik izchilligi, ma'lumotlarning sizib chiqishi va takrorlanishi uchun tahlil natijalarini tekshirish qobiliyati
Avvalgi bo‘limlarda biz sun’iy intellektdan “maslahatchi” kabi foydalanardik. Ushbu bo'limda biz bir qadam oldinga boramiz va Python yordamida o'z qo'llarimiz bilan avtomobil ma'lumotlarini tahlil qiladigan ish jarayonini yaratamiz. Maqsad sizni dasturiy ta'minot ishlab chiqaruvchisi qilish emas; Bu sun'iy intellektdan kod yordamini olayotganda ushbu kodni satr bo'yicha tushunadigan va tasdiqlay oladigan muhandis qilishdir. Chunki AI tomonidan ishlab chiqarilgan kod, xuddi AI tomonidan ishlab chiqarilgan matn kabi noto'g'ri bo'lishi mumkin; tovushni chalkashtirib yuborishi, ma'lumotlarning sizib chiqishi, noto'g'ri ustunni markazlashtirishi mumkin. Kodni tushunmasdan ishga tushirish imzosiz hisobotni nashr etishga o'xshaydi.
Python nima uchun? Chunki bu ma'lumotlarni tahlil qilishda de-fakto standartdir: siz telemetriya, sinov va ishlab chiqarish ma'lumotlarini pandas (jadval ma'lumotlari), numpy (raqamli ishlov berish), matplotlib (syujet) va scikit-learn (mashina o'rganish) kutubxonalari bilan osongina qayta ishlashingiz mumkin.
Takroriy tahlil qilish uchun olti qadam
Qattiq tahlil har doim bir xil asosga ega:
- Yuklash: fayldan ma'lumotlarni o'qish.
- Tekshirish: o'lcham, ustunlar, ma'lumotlar turlari, etishmayotgan qiymatlar.
- Toza: etishmayotgan/chet, birlik, vaqt tamg'asi tuzatish.
- Chiqarish xususiyati: Ma'noli o'zgaruvchilarni chiqaring.
- Tahlil/model: Statistika, vizualizatsiya yoki model.
- Tekshiring va hisobot bering: Natijani ta'minlash, ovoz balandligi/oqishini tekshirish, yozib olish.
Maslahat: AIdan kod so'raganda, "har bir qadamda nima qilayotganingizni izohlang va taxminlaringizni yozing" deb ayting. Shunday qilib, siz kodni o'qiyotganingizda tekshirishingiz mumkin.
Bosqichma-bosqich misol: telemetriya tahlili
Quyidagi kod CAN/temetriya yozuvini yuklaydi va asosiy tekshiruvni amalga oshiradi. (Eslatma: ularni ishga tushirishdan oldin kodlarni tushunganingizga ishonch hosil qiling; ustun nomlari ma'lumotlaringizga qarab farq qiladi.)
pandalarni pd# sifatida import qilish 1) Yuklash: yarim nuqtali CSV, birinchi ustun timestampdf = pd.read_csv("telemetry.csv", parse_dates=["time"])# 2) Checkprint(df.shape) # nechta qator, nechta ustunlarprint(df.dtypes) har bir ustun soni (df.dtypes) # raqami yoki turi text)print(df.isna().sum()) # har bir ustunda etishmayotgan qiymatlar soni(df.describe()) # umumiy statistika: min, maks, o‘rtacha
describe() chiqishi tekshirish uchun birinchi imkoniyatdir: agar dvigatelning maksimal tezligi 45 000 rpm (odatdagi yo'lovchi dvigateli ~ 7 000 rpm) bo'lsa, birlik yoki sensorda nosozlik bor.
Tekshirish bosqichida eng ko'p ishlatiladigan panda buyruqlari va ular nima qiladi:
buyruq
Nima qiladi
Bu nimani tasdiqlaydi?
df.shakl
Qator/ustunlar soni
Bu kutilgan o'lchammi?
df.dtypes
Ustunlar turlari
Raqamlar ustuni matnga aylandimi?
df.isna().sum()
Qiymat hisobi etishmayapti
Qancha joy bor?
df.describe()
Min/maksimal/o‘rtacha
Bu jismoniy jihatdan mantiqiymi?
df.duplicated().sum()
dublikat qator
Ikki tomonlama ro'yxatdan o'tish bormi?
# 3) Aniq: jismonan mumkin bo'lmagan qiymatlarni belgilang
E'tibor bering: Cheklangan ko'rsatkichni darhol o'chirmang; Avvalo, nima uchun bu haddan tashqari ko'rsatkich ekanligini tushunib oling. Haqiqiy hodisa (to'satdan isitish) yoki sensorning ishdan chiqishimi? Ko'r-ko'rona o'chirish haqiqiy xatoni yashirishi mumkin.
# 4) Ekstrakt xususiyati: haroratning ko'tarilish tezligi (hosilasi)df = df.sort_values("vaqt")df["sic_increase_speed"] = df["motor_sic"].diff() / df["time"].diff().dt.total_seconds()# 5) Oddiy lotin ingl. pltplt.plot(df["vaqt"], df["motor_sic"])plt.xlabel("Vaqt"); plt.ylabel("Dvigatel harorati (C)")plt.title("Dvigatel harorati kursi")plt.show()
Python-da ma'lumotlar sizib chiqishining oldini olish
Bashoratli modelni yaratishda eng xavfli xato - bu ma'lumotlarning sizib chiqishi (5-birlik): model bashorat qilish vaqtida ma'lum bo'lmagan ma'lumotlarni ko'rganda. Vaqt seriyasida bunga yo'l qo'ymaslikning oltin qoidasi: o'tmish bilan mashq qiling, kelajak bilan sinab ko'ring - tasodifiy aralashmaslik.
sklearn.model_selection dan import train_test_split# FALSE: vaqt seriyasini tasodifiy ajratish kelajakni sizdiradi# df[df["time"] > pol] # oxirgi 20% kelajak
Diqqat: train_test_split sukut bo'yicha ma'lumotlarni aralashtirib yuboradi (aralash=To'g'ri). Vaqt seriyasida bu kelajakni ta'lim bilan aralashtirib yuboradi va noto'g'ri yuqori ball keltirib chiqaradi. Agar sun'iy intellekt buni o'zi ishlab chiqaradigan kodda qilgan bo'lsa, uni tuzatganingizga ishonch hosil qiling.
Birlik mustahkamligi: jim qotil
Avtomobildagi eng makkor xatolar birlik xatolaridir: km/soat dan m/s, Nm dan lb-ft, bar dan kPa, °C dan K. Tahlil qilishda har bir ustunning birligining lug'atini saqlash va konversiyalarni yozib olish hayotni saqlab qoladi.
# Birliklarni aniq hujjatlash = {"tezlik": "km/soat", "motor_sic": "C", "bosim": "bar"}# Agar kerak bo'lsa, aniq konvertatsiya qilish (km/soat -> m/s)df["tezlik_ms"] = df["tezlik"] / 3,6
Mini amaliy tadqiqotlar
1-holat - describe() bilan xatolik yuz berdi. Tahlilchi AI kodini ishga tushiradi va diapazonni taxmin qiladi; Natija absurd darajada yuqori. describe() chiqishiga qarasak, akkumulyator quvvati baʼzi satrlarda Wh, baʼzilarida esa kVt/soatda (1000 marta farq) kiritilganligini koʻramiz. Jihoz bir xil turga keltirilsa, natija yaxshilanadi. Xulosa: Oddiy umumiy statistika yomon bashoratning oldini oldi.
2-holat - chalkashlik tuzog'i. Stajyorning tormoz eskirish modeli test to'plamida 98% aniq edi. Kod tekshirilganda, train_test_split(shuffle=True) va vaqt seriyalari aralashganligi ko'rinadi, ya'ni kelajakdagi nuqtalar treningga oqib chiqadi. Vaqt bo'yicha bo'linganda, aniqlik 80% ga tushadi, ammo endi bu haqiqatga mos keladi. Xulosa: AI kodi ishlaganligi sababli, bu to'g'ri emas edi; Odam qochqinni ushladi.
3-holat - Chetni tushunish. Chidamlilik rekordida AI kodi avtomatik ravishda haddan tashqari kuchlanish qiymatlarini o'chiradi. Muhandis o'chirilgan nuqtalarga qaraydi; Aynan shu lahzalar testni qiziqtirgan yoriqlar paydo bo'lishi edi. O'chirish olib tashlanadi va buzilishlar alohida ko'rib chiqiladi. Natija: "Tozalash" ostida haqiqiy signal o'chirilishi mumkin; har qadamda savol.
tezkor shablonlar
Shablon 1 - so'rov kodi (tushuntirish bilan):
Rol: Siz Python maʼlumotlar tahlilchisi ustozisiz. Vazifa: CSV telemetriyasini yuklaydigan va tekshiradigan kodni yozing. Kontekst: Ustunlar: vaqt, tezlik (km/soat), motor_sic(C), aylanish(rpm). Cheklov: Har bir qatorga izoh bering; Qaysi tekshirish va nima uchun qilinganligini tushuntiring; jismonan imkonsiz qiymat tekshiruvini qo'shing; jimgina hech narsani o'chirish. Chiqish: sharhlangan kod + qaysi chiqishni ko'rishim kerak va nima uchun.
Shablon 2 - Oqish tekshiruvi:
Rol: Siz mashinani o'rganish kodini ko'rib chiquvchisiz. Vazifa: Ma'lumotlar sizib chiqishi uchun quyidagi trening/sinov bo'linish kodini tekshiring. Kontekst: Bu vaqt seriyasi (avtomobil telemetriyasi). Cheklov: Agar tasodifiy aralashish bo'lsa, ogohlantiring; Vaqt bo'yicha bo'linishni taklif qiling va asoslang. Natija: topilmalar + tuzatilgan kod + tushuntirish.
Shablon 3 - Birlikni tekshirish:
Rol: Siz maʼlumotlar sifati auditorisiz. Vazifa: DataFrameʼda birlik nomuvofiqligini qidiradigan tekshiruvlarni taklif qiling. Kontekst: Baʼzi qatorlarda quvvat kVt/soat, boshqalarida esa Vt boʻlishi mumkin. Chiqish: Kodni tekshiring + shubhali naqshni qanday topish mumkin.
Shablon 4 - Vizualizatsiya + izoh:
Rol: Siz ma'lumotlarni vizuallashtirish bo'yicha mutaxassissiz. Vazifa: Dvigatel harorati kursi va o'sish tezligini ko'rsatadigan kodni yozing. Cheklov: o'qlarni birlik bilan belgilang; anomaliyani vizual tarzda belgilash; grafikni sharhlashda aniq aybni da'vo qilmang. Natija: kod + grafikda nimani izlash kerak.
Zaif taklif / Kuchli taklif
Zaif taklif:
Ushbu ma'lumotlar bilan modelni yarating.
Qaysi nishon, qaysi bo'lim, qaysi tekshirish aniq emas; AI shifrlangan, oqadigan, bloklangan kodni chiqarishi mumkin.
Kuchli so'rov:
Rol: Siz Python ML bo'yicha murabbiysiz. Vazifa: Tormoz padining eskirishini bashorat qilish va tekshirish xatolarini ko'rsatish uchun dastlabki ish jarayonini yozing. Kontekst: Vaqt seriyasining telemetriyasi; maqsad: qolgan yostiq qalinligi. Cheklov: Vaqt seriyasini vaqt bo'yicha ajratish (aralashtirish yo'q); ma'lumotlarning sizib chiqishi xavfi bo'lgan atributlarni belgilash; hujjat birliklari;har bir qadamni sharhlash; Natija maydonga chiqmasdan oldin qanday tekshiruvlar kerakligini yozing. Natija: sharhlangan kod + tekshirish roʻyxati.
Umumiy xatolar
- Kodni tushunmasdan ishga tushirish. AI kodi ham noto'g'ri bo'lishi mumkin; Satr satr o'qing.
- Vaqt seriyasini aralashtirish. shuffle=True kelajakni ochib beradi va soxta ball chiqaradi.
- Chiqib ketishni ko'r-ko'rona o'chirib tashlang. Haqiqiy signal (xato boshlanishi) o'chirilishi mumkin.
- Birlikni hujjatlashtirmaslik. Km/soat va m/s, Vt va kVt soat kabi xatolar jimgina o'sadi.
- tavsiflash()/tekshirish bosqichini o'tkazib yuborish. Ko'pgina xatolar birinchi umumiy statistikada paydo bo'ladi.
Xulosa
- Python (pandas, numpy, matplotlib, scikit-learn) - bu avtomobil ma'lumotlarini tahlil qilishning de-fakto standarti.
- Takroriy tahlil: yuklash, tekshirish, tozalash, xususiyat, tahlil qilish, tasdiqlash va hisobot berish.
- AI ishlab chiqaradigan kodni satr bo'yicha tushunish va tekshirish juda muhimdir; Ishlayotgani bu to'g'ri degani emas.
- Vaqt seriyalarida o'tmish/kelajak farqini saqlab qolish; Tasodifiy aralashtirish ma'lumotlar sizib chiqishiga olib keladi.
- Birlik izchilligi va tashqi talqini jim, ammo tekshirishning muhim nuqtalaridir.
Ilova vazifasi
Kichik ma'lumotlar to'plamini oling (haqiqiy yoki sintetik telemetriya). (1) Olti bosqichli tizimdan so'ng, 1-shablon bilan yuklash va boshqarish kodini yarating va har bir qatorni tushunganingizni tasdiqlang. (2) describe() chiqishida kamida bitta shubhali qiymat toping va sababini o'rganing. (3) Bashorat qilish topshirig'ida, o'quv/test bo'linish vaqtini belgilang va 2-shablon yordamida sizib chiqish xavfini tekshiring. (4) Lug'atda foydalanadigan har bir ustunning birligini hujjatlang.
nazorat ro'yxati
- [ ] Men tahlilni olti bosqichli ramka bilan o'rnatdim.
- [ ] Men AI tomonidan ishlab chiqarilgan kodni satr satr o'qib chiqdim va tushundim.
- [ ] Men describe()/audit bilan shubhali qiymatlarni qidirdim.
- [ ] Men vaqt seriyasini vaqt boʻyicha ajrataman (aralashtirish yoʻq).
- [ ] Maʼlumotlar sizib chiqishi xavfi boʻlgan atributlarni belgiladim.
- [ ] Men har bir ustunning birligini hujjatlashtirdim va konvertatsiyalarni aniq yozdim.