第6课：《数据加工：给AI“做美食”》

【学习目标】

1. 了解数据清洗、数据转换和归一化的基本方法

2. 理解为什么原始数据需要加工才能被AI使用

3. 体验简单的数据清洗和编码操作

【情境导入】

买回来的菜不能直接下锅，要洗菜、切菜、配菜，才能做出一道好菜。数据也是一样！收集来的原始数据往往又脏又乱——有的数据缺了一块，有的数据明显不对，有的数据格式不统一。如果直接把这些“脏数据”喂给AI，AI就会“吃坏肚子”，做出错误的判断。所以，我们需要对数据进行加工处理，就像厨师处理食材一样。让我们来学习如何给AI“做美食”吧！

【知识大揭秘】

数据加工主要包括三个步骤：

第一步：数据清洗——给数据“洗澡”。原始数据常常有三种“脏”的情况：缺失值（有些信息漏掉了）、异常值（有些数据明显不对劲）、重复值（同一条数据出现了多次）。数据清洗就是要处理这些问题。比如，一个学生信息表中，某个学生的年龄写成了200岁，这显然是异常值，需要修正或删除；有两个完全相同的学生记录，这是重复值，需要去掉一个。

第二步：数据转换——给数据“换衣服”。AI有时候只能理解数字，但原始数据可能是文字、图片等格式。数据转换就是把数据变成AI能理解的格式。常见的方法有：数字编码法（比如用1代表“男”，2代表“女”）、独热编码（比如用[1,0,0]代表“红色”，[0,1,0]代表“绿色”，[0,0,1]代表“蓝色”）。

第三步：归一化和标准化——给数据“排排队”。不同类型的数据可能差距很大，比如考试成绩是0到100，而身高是100到180厘米。如果直接放在一起，AI可能会觉得身高比成绩重要得多（因为数字更大）。归一化就是把所有数据都缩放到0到1之间，让它们站在同一条起跑线上，公平比较。

【生活案例】智能体测的数据加工
学校体测时，每个同学有身高、体重、跑步成绩等数据。这些数据需要加工才能被AI分析：首先清洗，去掉明显错误的数据（如体重写了1000公斤）；然后转换，把“男”“女”变成数字编码；最后归一化，让身高、体重、跑步成绩都在0到1之间，AI才能公平地分析每个同学的综合体质水平。

【AI看图学】

【动手玩一玩】

任务：体验数据清洗

步骤：

1. 下面是一组有问题的“学生身高数据”（单位：厘米）：135、138、-5、140、138、999、137、142

2. 找出其中的异常值（明显不对的数据）和重复值

3. 把异常值去掉，重复值只保留一个

4. 计算清洗后数据的平均身高

预期结果：异常值是-5和999（身高不可能是负数或999厘米），重复值是138。清洗后的数据为：135、138、140、137、142，平均身高约为138.4厘米。

【思考与延伸】