Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

我想学习制作机器人 机器狗等的原理及方法,给我一份理论指导和操作指南吧。

Answer

以下是关于制作机器人和机器狗的理论指导和操作指南:

具身智能是将机器学习算法适配至物理实体,与物理世界交互的人工智能范式。以 ChatGPT 为代表的“软件智能体”通过网页端、手机 APP 与用户交互,能接受多种模态指令实现复杂任务。具身智能体则将大模型嵌入物理实体,通过传感器与人类交流,强调与物理环境交互。人形机器人是具身智能的代表产品。

具身智能有三要素:

  1. 本体:即硬件载体,不同环境有不同形态的硬件本体适应,如室内平地适用轮式机器人,崎岖地面适用四足机器人(机器狗)。
  2. 智能:包括大模型、语音、图像、控制、导航等算法。
  3. 环境:本体所交互的物理世界,本体、智能、环境高度耦合是高级智能基础。

具身智能还有四个模块:感知-决策-行动-反馈。一个具身智能体的行动分为这四个步骤,分别由四个模块完成并形成闭环。在具身智能体与环境的交互中,智能算法通过本体传感器感知环境,做出决策操控本体执行动作任务影响环境,还可通过“交互学习”和拟人化思维学习适应环境实现智能增长。

Content generated by AI large model, please carefully verify (powered by aily)

References

一篇具身智能的最新全面综述!(上)

具身智能,即“具身+智能”,是将机器学习算法适配至物理实体,从而与物理世界交互的人工智能范式。以ChatGPT为代表的“软件智能体”(或称“离身智能体”)使用大模型通过网页端、手机APP与用户进行交互,能够接受语音、文字、图片、视频的多种模态的用户指令,从而实现感知环境、规划、记忆以及工具调用,执行复杂的任务。在这些基础之上,具身智能体则将大模型嵌入到物理实体上,通过机器配备的传感器与人类交流,强调智能体与物理环境之间的交互。通俗一点讲,就是要给人工智能这个聪明的“头脑”装上一副“身体”。这个“身体”可以是一部手机,可以是一台自动驾驶汽车。而人形机器人则是集各类核心尖端技术于一体的载体,是具身智能的代表产品。具身智能的三要素:本体、智能、环境具身智能的三要素:“本体”,即硬件载体;“智能”,即大模型、语音、图像、控制、导航等算法;“环境”,即本体所交互的物理世界。本体、智能、环境的高度耦合才是高级智能的基础。不同环境下的会有不同形态的硬件本体以适应环境。比如室内平地更适用轮式机器人,崎岖不平的地面更适用四足机器人(机器狗)。在具身智能体与环境的交互中,智能算法可以通过本体的传感器以感知环境,做出决策以操控本体执行动作任务,从而影响环境。在智能算法与环境的交互中还可以通过“交互学习”和拟人化思维去学习和适应环境,从而实现智能的增长。具身智能的四个模块:感知-决策-行动-反馈一个具身智能体的行动可以分为“感知-决策-行动-反馈”四个步骤,分别由四个模块完成,并形成一个闭环。

Others are asking
四轮腿机器人资料
以下是关于四轮腿机器人的相关资料: 宇树科技在该领域的情况: 推动了 AI + 机器人技术的标准化、模块化、智能化,实现快速、低成本落地。 基于企业训练数据完善深度学习训练模型及预测代码,通过四足机器人完成救援场景任务执行。 其四足机器人产品能力出众,多场景头部客户落地验证。 发布了 Aliengo 四足机器人,采用全新设计的动力系统,更轻量集成,一体化机身设计。 其 CEO 王兴兴在硕士期间独立开发了低成本外转子无刷电机驱动的高性能四足机器人 Xdog,开创了全球低成本高性能四足机器人方案的技术先河,并于 2016 年创立宇树科技。 2021 年 6 月发布伴随仿生机器人 Go1,以超低价格和优秀的感知运动能力,成为人类科技史上首款真正走入大众生活的移动机器人。2022 年 2 月“泰哥”亮相,2022 年 4 月推出 PUMP 健身泵。2023 年 4 月发布仿生 4D 激光雷达 L1。未来还将推出 Go 1 升级版、行业版、人形机器人等产品。 具身智能方面: 具身智能是将机器学习算法适配至物理实体,从而与物理世界交互的人工智能范式。以 ChatGPT 为代表的“软件智能体”使用大模型通过网页端、手机 APP 与用户进行交互,具身智能体则将大模型嵌入到物理实体上,通过机器配备的传感器与人类交流,强调智能体与物理环境之间的交互。通俗讲就是给人工智能装上“身体”,人形机器人是具身智能的代表产品。 具身智能的三要素包括“本体”(硬件载体)、“智能”(大模型、语音、图像、控制、导航等算法)、“环境”(本体所交互的物理世界),本体、智能、环境的高度耦合是高级智能的基础,不同环境下会有不同形态的硬件本体适应环境,比如室内平地适用轮式机器人,崎岖不平地面适用四足机器人。 具身智能的行动分为“感知 决策 行动 反馈”四个步骤,分别由四个模块完成,并形成一个闭环。
2025-03-25
微信机器人
以下是关于微信机器人的相关内容: 测试和重新配置 1. 登录成功后,找另一个人私聊或者在群中@您,就可以看到机器人的正常回复,此时表示已通。若未通过,可检查 config.json 文件中的配置或直接跳到“第四章,第 3 步”重启服务。 2. 为机器人设置不同的提示词,可返回“第三章,第 7 步”或“目录 4 里的第 17 步”进行更改。 3. 此后任何更改,都需要“返回首页 右上角 点击重启,重启一下服务器”,或者在熟悉 linux 操作的情况下通过重启进程的方式来重启服务。 4. 重新在“文件”的【终端】里,直接输入“nohup python3 app.py&tail f nohup.out”重新扫码登录即可。 5. 若想退出机器人,在手机微信上找到桌面版已登录的信息,点击退出桌面版即可。 帮助 如果遇到问题,可以先查询社区知识库,或者加“通往 AGI 之路”群,社区小伙伴们(比如梦飞大佬,熊猫大侠)会尽力帮助。也可以加 Stuart 个人微信询问。 第一天教程:COW 部署 1. 登录成功后,找另一个人私聊或者在群中@您,就可以看到机器人的正常回复,此时表示已通。 2. 若想设置提示词,可返回“目录 4 里的第 17 步”进行更改。 3. 此后任何更改,都需要重新打印登陆二维码才会生效。建议在多次重新登录后,在宝塔“首页 右上角 点击重启,重启一下服务器”清理进程。 4. 重新在“文件”的【终端】里,直接输入“nohup python3 app.py&tail f nohup.out”重新扫码登录即可。 5. 如果没有手机登录,可以使用夜神模拟器模拟手机登录。 6. 一个月内,不要上来就加好友、最好不要私聊聊天。 7. 报错“wxsid”是因为微信未实名,实名即可。 8. Link AI 提供 100 个,合计 3500 万 GPT3.5 Token 的礼品码,可用于实现画图、搜索、识图等功能,COW 插件里几乎都支持使用 LinkAI 平台。完成机器人搭建,机器人拉群里,可领兑换码。 9. 添加微信,拉您进机器人群,先行体验。 COW 问题 1. 微信机器人无法正常画图,给的图片链接点进去有错误提示“{"Success":1,"error":{"code":4008,"message":"The specified key does not exist."}}”,查看/root/chatgptonwechat/run.log 中有相关提示。可能是点击链接时多了一个小括号。 2. 扫码后,手机登陆后,没有任何机器人的反应,可能是配置错误或安装不对,需根据步骤逐一检查或重装。 3. 按照在 coze 上的设计,输入特定数字后,会出现相应内容,由于内容生成需要时间,因此生成前加了“内容加速生成中,请稍等”的消息,在 coze 中运行正确,但在微信机器人中,始终只显示内容生成中的消息,后面的内容不会出现。这不是问题,COW 本身处理不了,一次只能调取一个对话。有代码能力,可以直接调整代码实现。 4. 宝塔之后登录的时候登录不上去,按下图所示重启服务器之后即可,重启时间可能会久,但一定会重启成功,请耐心等待。
2025-03-24
帮我起一个基于STM32的维修机器人论文标题
以下是为您生成的一些基于 STM32 的维修机器人论文标题,供您参考: 1. 《基于 STM32 的智能维修机器人系统设计与实现》 2. 《STM32 在维修机器人中的应用与性能优化》 3. 《基于 STM32 控制的高效维修机器人研究》 4. 《以 STM32 为核心的维修机器人技术创新与实践》 5. 《STM32 驱动的维修机器人精准作业研究》 6. 《基于 STM32 的多功能维修机器人开发与应用》 7. 《探索 STM32 在维修机器人领域的关键作用》 8. 《STM32 助力下的维修机器人智能化发展》 9. 《基于 STM32 的维修机器人自主导航与故障修复技术》 10. 《利用 STM32 实现维修机器人的高效能运作》
2025-03-20
国内有哪些机器人研发企业
以下是一些国内的机器人研发企业: 宇树科技:从 2013 年开始致力于消费级、行业级高性能通用足式的自主研发,是国内四足机器人相关专利最多的机器人公司。自研电机、减速器、编码器及各类机器人传感器,自主开发各类机器人算法。仅用半年时间就研发出通用人形机器人 H1 并量产,一年内不断迭代更新,综合性能全球领先,跑步速度达到 3.3m/s,创世界纪录,同时也是全球首个可实现原地空翻的全尺寸电驱动人形机器人。其产品丰富多样,包括 Go1、B2、L1、G1、Laikago Pro、A1、Go2 等,并应用于巡检等领域。宇树科技还拥有 180 多项申请国内外专利,150 多项公开授权。此外,宇树科技的产品还曾在冬奥会开幕式、春晚、美国超级碗等重大活动中亮相。
2025-03-20
我想做一个AI机器人,用于自动回复我的抖音新消息,现在有办法能解决吗
目前可以通过 Coze 平台来实现让 AI 机器人自动回复您的抖音新消息。以下是相关信息: 微信的不同功能与 Coze 平台对接情况: 个人微信/微信群:之前 Coze 平台不支持直接对接,但国内版已正式发布 API 接口功能,直接对接成为可能。 微信公众号:Coze 平台支持对接,AI 机器人可自动回复用户消息。 微信服务号:Coze 平台支持对接,能提升服务效率。 微信客服:Coze 平台支持对接,可自动回答用户咨询,提高客服响应速度。 配置 AI 微信聊天机器人的步骤: 登录成功后,找另一个人私聊或者在群中@您,能看到机器人正常回复。 若想为 AI 赋予提示词,可返回“目录 4 里的第 17 步”进行更改。 此后进行任何更改,都需“返回首页 右上角 点击重启,重启一下服务器”。 然后,在“文件”的【终端】里,输入“nohup python3 app.py&tail f nohup.out 重新扫码登录”。 关于添加插件,可参考。 疑问解答: 放行端口:类似于给房子安装门铃,通过放行特定端口(如 8888 端口)可通过互联网访问宝塔面板,管理和配置服务器上的服务。 Bot ID:是在 Coze 平台上创建的 AI 机器人的唯一标识,用于将微信号与特定机器人关联。 微信账号被封:若因使用机器人被封,可尝试联系客服说明情况。建议使用专门微信号作为机器人账号,并遵守微信使用规范。 服务器:需要一直开着,以保证机器人随时在线响应请求。 不懂编程:完全可以配置,按照教程一步一步操作即可。 配置问题:检查每步是否按教程操作,特别是 API 令牌和 Bot ID 是否正确。无法解决可到 Coze 平台的论坛或微信群求助。
2025-03-19
人形机器人如何入门
要入门人形机器人,以下是一些关键的方面: 1. 了解具身智能的概念:具身智能是将机器学习算法适配至物理实体,从而与物理世界交互的人工智能范式。人形机器人是具身智能的代表产品。 2. 掌握具身智能的要素:包括“本体”(硬件载体)、“智能”(大模型、语音、图像、控制、导航等算法)、“环境”(本体所交互的物理世界),且三者高度耦合是高级智能的基础。 3. 熟悉具身智能的模块:具身智能体的行动分为“感知决策行动反馈”四个步骤,分别由四个模块完成,并形成一个闭环。 4. 关注相关技术进展:例如在 AI 3D 生成领域的进展对具身智能领域具有革命性意义,世界模型开启了在虚拟世界中预训练机器人的新可能,大幅降低试错成本,加速学习过程,为实现更复杂的机器人行为打开可能。 5. 研究具体案例:如哥伦比亚大学创意机器实验室开发的人形机器人头,其能精准模拟人类面部表情,使用 AI 模型预测和回应人类表情,自我监督学习生成表情。
2025-03-19
入门指南
以下是强化学习的入门指南: 1. 基础知识补充:如果没有相关基础且概率论和线性代数知识遗忘较多,可以学习相关课程,周末一天可完成;若对机器学习无基础,可先看吴恩达课程,再以李宏毅课程补充,单纯入门强化学习只需看前几节讲完神经网络的部分,此视频课程约需 25 小时。 2. 动手实践:跟着《动手学深度学习 https://hrl.boyuai.com/》学习并写代码,入门看前五章,约 10 小时。 3. 深入学习基础知识点:观看 B 站王树森的深度学习课程的前几节,约 5 小时。 4. 项目实践:可以看《动手学强化学习》,看到 DQN 部分,约十几小时。同时,文中还提到行动只有向左或向右两个,模型构建简单,DQN 的网络模型采用一层 128 个神经元的全连接并以 ReLU 作为激活函数,选用两层网络结构;需要一个缓存区存放从环境中采样的数据;有训练函数,批量从缓存区获取数据,使用 DQN 算法进行训练;还有主循环函数,在每个 episode 中选择动作(使用 εgreedy 策略),执行动作并将结果存储在 replay buffer 中,训练完使用保存好的 model.pth 参数即可实际使用。 文章作者为腾讯互动娱乐工程师 luozhiyun,原文地址:https://mp.weixin.qq.com/s/pOO0llKRKL1HKG8uz_Nm0A,感谢群友.com 的推荐。在学习前先明确目的,本文以搞懂 DQN 算法作为入门目标。像 https://github.com/ty4z2008/Qix/blob/master/dl.md 这类链接中有很多资料,但需筛选。
2025-03-22
能否提供一份关于在本网站的学习指南
以下是为您提供的在本网站的学习指南: 1. ComfyUI 相关学习资料: ComfyUI 官方文档:提供使用手册和安装指南,适合初学者和有经验的用户,网址:https://www.comfyuidoc.com/zh/ 。 优设网:有详细的 ComfyUI 入门教程,适合初学者,网址:https://www.uisdc.com/comfyui3 。 知乎:有用户分享 ComfyUI 的部署教程和使用说明,适合有一定基础并希望进一步了解的用户,网址:https://zhuanlan.zhihu.com/p/662041596 。 Bilibili:提供一系列从新手入门到精通的 ComfyUI 视频教程,网址:https://www.bilibili.com/video/BV14r4y1d7r8/ 。 2. 《2020 年国家人工智能倡议法案》相关内容:包含向相关委员会提交报告、开展研究等规定。 3. MIT 为孩子开设的免费 AI 课: 课程来自全球人工智能专业排名第一的麻省理工 MIT,名为 Day of AI,面向 8 18 岁孩子,来自 110 多个国家的 50 万名学生都在使用。 该课程完全免费,但资源面向家长、老师群体,大孩子可自学,小孩子可能需要家长辅助。 课程包含在 MIT 的 RAISE 项目中。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-03-17
入门指南
2025-03-13
请起草一份小白学习AI辅助修图的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是为您提供的小白学习 AI 辅助修图从入门到精通的教程大纲: 一、基础知识与基本玩法 1. 了解 AI 辅助修图的概念和基本原理。 2. 熟悉常见的 AI 修图工具和软件。 二、常见问题与注意事项 1. 风格局限性:如全是二次元风格,缺少适合特定需求的风格。 2. 图像叙事性不足:画出来的多为美少女看镜头,缺乏叙事内容。 3. 素材局限性:已有素材单一,图生图可行性低,训练泛化性差。 三、常见误区与避坑指南 1. 避免盲目依赖初始的 Embedding、CKPT 等方法,不断尝试和改进。 2. 注意训练集中人物朝向固定等问题,采取相应处理措施,如镜像处理。 四、从入门到精通的进阶玩法 1. 掌握不同的训练方法,如 Lora 等,以获得更理想的效果。 2. 学会引导 AI 画出具有前景后景区分明显的图像,如制作引导图。 五、高级卡 bug 玩法 探索一些非常规但有效的技巧和方法,以突破常规限制,实现更出色的修图效果。但需注意,此部分玩法可能存在一定风险和不确定性。 六、常见红海赛道 分析当前 AI 辅助修图在不同领域的竞争激烈程度和应用热点。 在学习过程中,还需了解以下 AI 相关的技术原理和概念: 1. 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词: AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习,监督学习有标签,无监督学习无标签,强化学习从反馈中学习。 深度学习参照人脑神经网络,神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式。 LLM 为大语言模型,不同模型有不同擅长的任务。 3. 技术里程碑:2017 年 6 月谷歌团队发表的《Attention is All You Need》提出了 Transformer 模型。
2025-03-05
请起草一份小白学习AI应用(包括app和网站)的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是一份小白学习 AI 应用(包括 app 和网站)的入门到精通的教程,涵盖学习大纲、常见问题等方面: 一、学习大纲 1. 了解 AI 基本概念 阅读相关资料,熟悉 AI 的术语和基础概念,包括人工智能的定义、主要分支(机器学习、深度学习、自然语言处理等)及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅 参考「」中的初学者课程,了解生成式 AI 等基础知识,推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)按照自己的节奏学习,并争取获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛,包括图像、音乐、视频等,根据自身兴趣选择特定模块深入学习。 掌握提示词技巧,因其上手容易且实用。 4. 实践和尝试 理论学习后进行实践,巩固知识,尝试使用各种产品创作作品。 分享实践后的经验和成果。 5. 体验 AI 产品 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动,了解其工作原理和交互方式,获得实际应用体验。 二、常见红海赛道 目前,AI 在自然语言处理、图像识别、智能推荐等领域竞争较为激烈。 三、常见问题 1. 对复杂应用的需求理解不准确,导致产品出错。 2. 技术组件的配置和整合可能遇到困难。 四、注意事项 1. 注重基础知识的学习,打牢根基。 2. 实践过程中要耐心,遇到问题多尝试解决。 五、常见误区 1. 认为 AI 学习短期内就能精通,忽略了长期积累和实践的重要性。 2. 过度依赖现成的模型和工具,缺乏对原理的深入理解。 六、避坑指南 1. 在选择学习资源时,要注意其权威性和适用性。 2. 开发 AI 应用时,要充分考虑用户需求和实际场景,避免盲目跟风。 希望以上内容对您有所帮助,祝您在 AI 学习的道路上取得成功!
2025-03-05
请起草一份小白学习AI视频制作的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是一份小白学习 AI 视频制作从入门到精通的教程大纲: 一、基础玩法 1. 项目规划 确定短片主题和目标观众。 制定详细的制作计划。 2. 剧本创作 编写故事脚本。 设计角色和场景以及创意。 3. 分镜头脚本 根据脚本制作分镜头脚本,确定每个镜头的画面和动作。 4. 资源准备 准备动画制作所需的素材,包括背景、角色和音效。 5. 画面图片制作 利用 AI 出图工具,比如通过 ChatGPT、MJ、SD 等工具快速生成高质量的图片。 6. 视频制作 利用 AI 工具制作动画,通过 RUNWAY、Luma、Dreamina 等平台快速生成高质量的动画。 7. 后期剪辑 添加音效、配音和字幕,进行最终的剪辑和合成。 8. 发布和推广 将完成的动画短片发布到各大平台,并进行推广和宣传。 二、高级玩法 1. 写提示词 掌握有效的提示词撰写技巧,以获得更符合需求的生成结果。 2. 导入图片用 Mini Max、模型的首尾帧玩法等操作实现一镜到底效果。 3. 利用不同模型进行创作,如海螺无限生成。 4. 反复修改提示词以优化生成效果。 三、常见红海赛道 1. 创意广告类视频。 2. 短视频故事类。 四、常见问题 1. 生成效果不符合预期。 2. 工具操作不熟练。 3. 资源获取困难。 五、注意事项 1. 注重版权问题,合法使用素材和工具。 2. 不断学习和更新知识,跟上 AI 技术发展。 六、常见误区 1. 过度依赖 AI,忽略自身创意和审美。 2. 忽视视频的逻辑性和连贯性。 七、避坑指南 1. 提前了解不同工具的收费模式,避免不必要的费用支出。 2. 多参考优秀案例,避免重复常见错误。 希望这份大纲能帮助您在 AI 视频制作的学习道路上不断进步!
2025-03-04
哪里可以找到免费且可以系统学习机器学习的课程
以下是一些可以免费系统学习机器学习的课程资源和学习路径: 1. 对于大型语言模型(LLM)开发的学习: 掌握深度学习和自然语言处理基础,包括机器学习、深度学习、神经网络等基础理论,以及自然语言处理基础,如词向量、序列模型、注意力机制等。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 理解 Transformer 和 BERT 等模型原理,包括 Transformer 模型架构及自注意力机制原理,BERT 的预训练和微调方法,掌握相关论文,如 Attention is All You Need、BERT 论文等。 学习 LLM 模型训练和微调,包括大规模文本语料预处理,LLM 预训练框架,如 PyTorch、TensorFlow 等,微调 LLM 模型进行特定任务迁移。相关资源有 HuggingFace 课程、论文及开源仓库等。 LLM 模型优化和部署,包括模型压缩、蒸馏、并行等优化技术,模型评估和可解释性,模型服务化、在线推理、多语言支持等。相关资源有 ONNX、TVM、BentoML 等开源工具。 LLM 工程实践和案例学习,结合行业场景,进行个性化的 LLM 训练,分析和优化具体 LLM 工程案例,研究 LLM 新模型、新方法的最新进展。 持续跟踪前沿发展动态,关注顶会最新论文、技术博客等资源。 2. 神经网络架构方面: 神经网络是机器学习文献中的一类模型,在完成吴恩达的 Coursera 机器学习课程后,可以寻找 Geoffrey Hinton 的机器学习神经网络课程。 一般神经网络架构可分为三类:前馈神经网络,这是实际应用中最常见的神经网络类型;循环网络,在他们的连接图中定向了循环,更具有生物真实性。 3. 强化学习的入门学习: 如果基础薄弱,可先学习概率论和线性代数相关课程。 对机器学习无基础的话,先看吴恩达的课程,再以李宏毅的课程作为补充,只看前几节讲完神经网络的部分。 学完后跟着《动手学深度学习 https://hrl.boyuai.com/》动手学习,只看前五章。 接着看 B 站王树森的深度学习课程的前几节学习强化学习基础知识点。 最后可以看《动手学强化学习》,看到 DQN 的部分。
2025-03-22
机器学习入门
以下是关于机器学习入门的相关知识: 实现人工智能的方法: 自上而下的方法:尝试对推理过程进行建模,将其形式化并转化为计算机程序,即符号推理。例如医生诊断时应用大量规则得出结果,但从人类专家提取知识较困难,且有些任务无法简化为知识操作。 自下而上的方法:模拟大脑中的神经元,在计算机中构建人工神经网络,通过举例让其学习解决问题,类似于新生儿的学习过程。 机器学习: 是人工智能的一部分,基于数据使计算机学会解决问题。 经典机器学习在《机器学习入门课程》中有详细介绍。 学习资源:《》。 算法学习中的数学基础: 统计学:机器学习是统计的另一种形式,可利用统计学预估数据规律。统计学中关注的数据汇总技术包括平均值、中位数、众数等。平均值在机器学习中的特征归一化、计算 R² 值等方面有应用;中位数在将数据样本划分为等间隔或四分位数范围时有用;众数可用于查找数据集中占主导地位的元素或类别。
2025-03-21