第十五章 析数据，探AI境
2020年11月初，清溪镇的秋意已近尾声，寒风渐起。清晨的校园里，香樟树的叶子落得愈发频繁，踩在上面的沙沙声，成了早间校园里最清晰的背景音。气温骤降，最低温度跌破了十摄氏度，学生们都换上了厚实的羽绒服或棉袄，缩着脖子快步穿梭在教学楼与食堂之间，嘴里还不时呼出白色的雾气。唯有李长生，依旧穿着一件洗得有些发白的薄款卫衣，外面只套了一件福利院阿姨给的旧外套，晨跑时汗水浸透衣衫，冷风一吹，后背泛起一层凉意，他却仿佛感受不到寒意，只是抬手抹了把额头的汗，眼神里的坚定，比以往更甚。对他而言，晨跑不仅是锻炼，更是让头脑清醒的方式，那些夜里卡在瓶颈的编程问题，往往能在奔跑中找到思路。
高一（3）班的课堂上，李长生的「中等生」扮演依旧天衣无缝。
第五次周测成绩公布，红底黑字的排名表贴在教室后墙，他的名字稳稳停在班级第二十六名，比上次前进一名，依旧卡在「不被关注」的安全区间。这次控分，他做得比以往任何一次都更加精准：物理卷最后一道计算题，他故意在单位换算上留了个小疏漏，把千瓦时换算成焦耳时少乘了3.6，刚好扣掉两分；英语完形填空里，两道考察固定搭配的题目，他明明记得正确答案，却刻意选错，把分数压在85分的中等线，既不显得突兀，又符合「偶尔失误」的中等生形象；语文作文则完全按照老师给的模板写作，开头点题，中间分三个论点，每个论点配一个平庸的事例，结尾总结升华，没有任何出彩的句子，刚好拿到基准分45分，不多一分，不少一分。班主任刘老师在班会上念到中间排名时，只是快速扫过他的名字，嘴里随口说了句「李长生同学保持稳定」，便匆匆掠过，丝毫没有留意到，这个排名中等的沉默少年，草稿纸上偶尔划过的公式，竟与大学概率论教材里的内容高度重合。同学们更是不会留意，在他们眼里，李长生不过是众多沉默中等生里的一个，像路边的石子，平凡得随时会被人忽略，甚至有同学在私下讨论「班里那个总穿旧衣服的男生，好像从来都不说话」，他听到了，也只是无动于衷地翻着课本。
课堂上，他依旧是那个「标准听众」，坐得笔直，低头看着课本，手里的笔看似在认真记笔记，实则笔尖在纸上随意画着代码流程图——Scikit-learn的线性回归模型里，特征与标签的对应关系，该如何优化才能提高预测准确率。数学课上老师讲的「相关性分析」，恰好与他正在学习的AI知识点完美契合，他在心里默默将高中知识与编程逻辑串联，形成了独属于他的知识网络。当老师在黑板上写下皮尔逊相关系数的计算公式时，他立刻联想到了特征选择中的方差分析，甚至在心里快速推导了一遍两者的适用场景差异；老师讲的「概率分布」，又让他想起了机器学习中贝叶斯算法的底层逻辑，他悄悄在课本空白处写下贝叶斯公式的变形，用高中数学知识验证其合理性。这种知识联动的能力，让他在兼顾学校学习的同时，编程能力也在飞速提升，仿佛别人眼里割裂的两个世界，在他这里早已融为一体。
课间，他依旧独来独往，要么趴在桌上闭着眼睛，在脑海里模拟机器学习模型的训练过程，思考着如何用L1正则化解决过拟合问题，哪些特征可以通过正则化系数归零从而实现特征筛选；要么走到走廊尽头，靠在冰冷的墙壁上，看着远处的山峦，思考着如何用刚学的决策树算法，优化之前开发的销售数据系统里的客户分类功能，要不要引入剪枝技术来避免模型过于复杂。走廊里的喧闹，仿佛与他隔了一层无形的屏障。有同学扎堆讨论周末去镇上的网吧打游戏，有女生围在一起分享零食和明星八卦，还有男生追逐打闹，脚步声和笑声此起彼伏，他却沉浸在自己的世界里，专注而坚定，外界的一切，都无法干扰他的思绪。偶尔有同学路过，拍他的肩膀打招呼，他也只是淡淡点头，目光很快又落回自己的思考里。上周课间，王浩拉着他说要组队参加班级篮球赛，还拍着胸脯说「少了你这个身高优势不行」，他只是摇头说「没兴趣」，便转身回到座位，继续在草稿纸上默写Python装饰器的语法，留下王浩在原地一脸无奈。
而他与王帆的相处，依旧维持着「不远不近」的默契，却在细微处悄然升温。
天气转冷后，王帆每天都会带一个粉色的保温杯，课间时会趁着低头翻书的间隙，轻轻把杯子推到桌中间，杯身贴着他的手肘，温热的触感透过衣物传过来，让他冰冷的手臂多了一丝暖意。偶尔他熬夜开发后脸色苍白，眼下带着淡淡的黑眼圈，她会悄悄在他的数学课本里夹一张写着「注意休息，身体要紧」的便签，字迹清秀，末尾还画了一个小小的太阳图案，没有多余的话，却足够温暖。上周三他晨跑时不小心崴了脚，虽然不算严重，但走路时还是有些一瘸一拐，晚自习时她特意把自己的暖宝宝撕开封口，放在他的桌角，轻声说「脚凉的话会疼得更厉害，这个你先用着」，声音不大，却刚好能让他听清。李长生察觉到这些细微的善意，心里泛起一丝从未有过的暖意，却依旧保持着原有的态度，只是回应比以往多了几分温度。他没有主动搭话，也没有刻意疏远，会在她忘记带尺子时，默默把自己的推过去，尺子上还带着他手心的温度；会在她做物理题遇到瓶颈，对着受力分析图皱眉时，用最简洁的语言提醒「可以尝试分解水平和竖直方向的力」，说完便立刻收回目光，绝不做多余的交流，但耳根却悄悄泛红。
上周四晚自修结束，教学楼里的学生陆续散去，李长生因为脚伤走得慢，落在了后面。王帆收拾好书包后，没有像往常一样和同学一起走，而是刻意放慢脚步，不远不近地跟在他身后。两人一路沉默，只有脚步声在空旷的走廊里回响，直到校门口，她才轻声说：「明天降温，多穿点衣服，别冻着了。」他停下脚步，背对着她「嗯」了一声，声音比平时低沉了些，却没有立刻离开，等她先走后，才慢慢朝着郊外的方向走去。第二天清晨，他第一次穿上了福利院阿姨给的厚外套，那件外套虽然款式老旧，却足够保暖，晨跑时虽然热得额头冒汗，他却没有像往常一样脱掉，心里莫名记着她的叮嘱。
郊外的小木屋里，新电脑的屏幕依旧每天亮到深夜，冷白色的光芒照亮了整个木屋，也照亮了少年专注的脸庞。
李长生的生活，被「两大核心」填满：一是系统学习Scikit-learn框架，正式迈入AI领域；二是寻找与AI相关的实战项目，将学到的知识运用到实际中，实现「学用结合」。每天晚上，他都会抽出两个小时，专门学习机器学习基础。从线性回归、逻辑回归，到决策树、随机森林，再到聚类分析、降维算法，他跟着网上的优质教程一步步敲代码，运行，调试，修改，遇到不懂的知识点，就反复看视频、查官方文档，甚至在纸上推导算法公式，直到彻底理解为止。新电脑的算力支撑着他快速完成模型训练，原本在旧电脑上需要几十分钟的运算，现在只需要几秒钟就能出结果，让他能将更多精力放在理解算法原理上，而不是浪费在等待运算上。他在网上下载了多个公开的数据集——鸢尾花分类、波士顿房价预测、泰坦尼克号生存预测，用这些经典案例来验证自己的学习成果。当他第一次用逻辑回归模型，准确预测出泰坦尼克号乘客的生存概率，准确率达到83%时，屏幕的冷光映着他嘴角微扬的弧度，那是属于程序员的纯粹喜悦，比拿到周测高分更让他满足。
除了学习，他还在网上外包平台，仔细筛选与AI相关的小任务。经过反复对比，他接下了一个「客户购买意向预测」的项目，报酬三百元。任务要求是根据客户的浏览记录、购买历史、个人信息（年龄、性别、地域等），预测其是否会购买某款电子产品，需要用到分类算法，并生成可视化的预测结果，方便客户理解。这是他第一次接触AI相关的商业项目，对他而言，既是挑战，也是机遇——挑战在于，客户提供的数据质量参差不齐，需要大量预处理工作，而且预测结果直接关系到客户的商业决策；机遇则是，这个项目能让他真正将机器学习知识落地，积累实战经验。为了完成这个项目，他制定了详细的计划，把每个步骤的时间都精确到小时：
1. 数据预处理（1天）：清洗客户数据，处理缺失值、异常值，对分类特征进行编码（LabelEncoder或OneHotEncoder），对数值特征进行标准化，确保数据符合模型输入要求；
2. 模型选择与训练（2天）：分别搭建逻辑回归、决策树、随机森林三种模型，用训练集训练，测试集验证准确率，对比三种模型的性能；
3. 模型优化（1天）：针对最优模型，用网格搜索（GridSearchCV）调整超参数，解决过拟合或欠拟合问题，进一步提升准确率；
4. 结果可视化与报告撰写（1天）：用Matplotlib绘制特征重要性图表、混淆矩阵、ROC曲线，直观展示预测结果，撰写详细的说明文档，解释模型选择依据、准确率分析和业务建议。
整个开发过程，他遇到了很多意料之外的问题。客户提供的原始数据里，有近15%的缺失值，其中「浏览时长」和「购买频率」两个关键特征的缺失率最高，直接删除会导致样本量不足，而简单填充（如均值、中位数填充）又会影响模型准确率。他查了整整一夜的资料，对比了多种缺失值处理方法，最终选择用KNN算法对缺失值进行插值填充——根据相似客户的特征数据，推测缺失值的合理范围，既保留了数据的完整性，又尽可能减少了偏差。在特征工程阶段，他通过相关性分析发现，客户的「浏览时长」和「购买频率」高度相关（相关系数0.87），存在多重共线性问题，于是用主成分分析（PCA）进行降维，将这两个特征合并为一个新的综合特征，不仅减少了计算量，还提高了模型的泛化能力。
在模型训练阶段，他最初用逻辑回归得到的准确率只有78%，远未达到客户的预期（80%以上）。他没有气馁，而是逐行检查代码，最终发现是特征标准化不彻底导致模型收敛缓慢——部分数值特征的量级差异过大（如年龄在18-60之间，而浏览时长在0-1000分钟之间），影响了梯度下降的效率。于是他重新对所有数值型特征进行Z-score标准化，将特征值转换为均值为0、方差为1的分布，再训练模型，准确率立刻提升到82%。但他没有满足，又尝试了决策树和随机森林，发现随机森林的准确率最高，达到了85%，这是因为随机森林能更好地捕捉特征之间的非线性关系。为了进一步优化，他用网格搜索（GridSearchCV）调整了随机森林的超参数：将最大深度从默认的None改为10，避免模型过深导致过拟合；最小样本分割数从2改为5，确保每个节点的样本量足够；决策树数量从100增加到200，提升模型的稳定性。经过参数调优后，模型准确率稳定在86.3%，完全满足客户需求。
新电脑的算力在这个过程中发挥了关键作用。处理大规模数据时，它能快速运算，不卡顿；训练复杂模型时，它能稳定运行，不崩溃；生成可视化图表时，它能清晰渲染，让结果一目了然。深夜的小木屋里，只有键盘的清脆敲击声，和屏幕的冷白色光芒。李长生坐在电脑前，手指在键盘上快速跳动，眼睛紧紧盯着屏幕上的代码和模型结果，眼神里充满了专注与执着。他时而皱眉思考，手指无意识地敲击桌面；时而眼神一亮，快速修改代码；当模型准确率突破85%时，他忍不住轻轻握拳，低声说了一句「成了」，声音里带着难以掩饰的兴奋。窗外，夜色如墨，星光点点，偶尔有夜鸟飞过，留下几声鸣叫。郊外的风穿过木屋的缝隙，吹在他的身上，带来阵阵凉意，却吹不散他心中的炽热，反而让他更加清醒。
经过五天的高强度开发，他终于完成了「客户购买意向预测」项目。他将训练好的模型文件（.pkl格式）、可视化图表（PNG格式）和详细的说明文档一起打包，发送给了买家，文档里不仅解释了模型的选择依据、准确率分析，还根据特征重要性给出了业务建议——比如「年龄在25-35岁的男性客户购买意向最高，可重点推广」。买家收到后，不到半小时就给出了五星好评，还附带了一段长长的留言：「模型准确率很高，超出了我的预期！可视化报告做得非常清晰，连我这种不懂技术的人都能看明白，说明文档也写得很详细，还给出了实用的建议，太专业了！以后有AI相关的项目，一定还找你做！」看着屏幕上的好评，李长生的心里涌起一股强烈的成就感，这种成就感，远比拿到报酬更让他满足。这不仅仅是三百元报酬的喜悦，更是他AI学习路上的第一个里程碑——他终于能将学到的知识，转化为有价值的商业成果，证明了自己的能力。他点开余额界面，看着数字从10810元跳动到11110元，正式突破了一万一千元。这笔钱，对他而言，不仅是经济上的支撑，更是能力的证明，是他继续前行的底气。他计划用这笔钱购买几本AI入门的专业书籍，再给新电脑配一个外接键盘，提升开发体验。
周末的清晨，李长生依旧六点准时起床，绕着操场跑完十圈。回到宿舍后，他没有像往常一样立刻去小木屋，而是第一次留在了宿舍里，拿出高中数学课本，开始复习「概率与统计」。王浩他们还在睡懒觉，宿舍里一片安静，只有轻微的鼾声。他坐在书桌前，笔尖在纸上快速划过，将高中的概率知识，与机器学习里的贝叶斯算法联系起来，在笔记本上写下了详细的推导过程，用古典概型验证贝叶斯公式的合理性。阳光透过窗户洒在书页上，形成温暖的光斑，照亮了他清秀的侧脸，也照亮了笔记本上密密麻麻的公式和代码。他的眼神专注而明亮，仿佛整个世界，只剩下眼前的公式与代码。
这时，手机震动了一下，是王帆发来的微信，只有简短的一句话：「要不要一起去图书馆刷题？」这是她第一次主动邀请他，语气带着一丝试探。李长生看着屏幕上的文字，犹豫了一下——他原本计划周末在小木屋里学习TensorFlow框架，但看着那句简单的邀请，他鬼使神差地回复了「好」，还加了一个句号，显得不那么生硬。
图书馆里，阳光透过巨大的落地窗洒进来，温暖而柔和，落在木质书桌上，泛着淡淡的光泽。王帆已经到了，选了一个靠窗的位置，面前摆着物理练习册和笔记本。看到李长生进来，她抬起头，眼睛弯成了月牙，轻声说：「这里有阳光，挺暖和的。」他点点头，在她对面坐下，拿出数学试卷和草稿纸。两人没有再多说什么，各自投入到学习中。王帆低头认真地做着物理题，遇到难题时会皱起眉头，笔尖在纸上写写画画，偶尔会抬头看他一眼，眼神里带着一丝不易察觉的笑意，然后又快速低下头。李长生依旧沉默，低头看着数学试卷，手里的笔快速演算着，心里却默默规划着下一步的AI学习计划：接下来要系统学习深度学习的基础框架TensorFlow，先从神经网络的基本结构学起，再尝试做图像识别的小项目；同时，还要在平台上接一个更复杂的AI项目，积累实战经验，最好是计算机视觉相关的，拓宽自己的技术边界。
午后的阳光，温暖而惬意，透过窗户落在两人身上，带来融融的暖意。图书馆里安静得只剩下笔尖划过纸张的沙沙声，和窗外风吹树叶的簌簌声，偶尔有管理员轻轻走过，脚步放得很轻。李长生和王帆，依旧是那个最安静的同桌，却在这份安静里，多了一丝难以言喻的和谐。中途王帆去接水，回来时手里多了一杯热豆浆，她把豆浆轻轻放在他面前，小声说：「楼下便利店买的，热乎的，你喝点暖暖身子。」他抬起头，对上她清澈的眼睛，第一次没有立刻移开目光，停顿了两秒，轻声说了句「谢谢」，声音不大，却清晰可闻。她只是笑笑，回到座位继续做题，耳根却悄悄红了。这是他们认识以来，第一次超过三个字的对话，也是第一次如此自然的互动。
傍晚，李长生回到小木屋，将那杯没喝完的豆浆放在桌角，豆浆已经凉了，他却没有丢掉。打开新电脑，他开始学习TensorFlow的基础教程，屏幕上，一行行代码在他的敲击下快速浮现，构建出第一个简单的神经网络模型——一个输入层、一个隐藏层和一个输出层的三层神经网络。他用MNIST手写数字数据集训练模型，设置了100个epochs，每次迭代的batch size为32。新电脑的运算速度很快，不到十分钟就训练完成了，当模型成功识别出测试集中的数字「7」时，屏幕上显示的准确率达到了92%。他靠在椅背上，看着屏幕上清晰的数字和模型结构示意图，眼神里充满了炽热的光芒。他知道，自己又迈出了坚实的一步。从「数据分析」到「AI预测」，从「机器学习基础」到「深度学习入门」，他的编程之路，正在一步步朝着更高的目标前进，那些曾经遥不可及的技术，现在正被他一点点掌握。
他打开外包平台，开始筛选新的AI项目。很快，一个「商品图像分类」的任务吸引了他的注意，报酬五百元，要求用深度学习模型对服装图像（上衣、裤子、裙子、鞋子等）进行分类，准确率不低于88%。这个项目刚好契合他想要学习计算机视觉的目标，他没有犹豫，立刻接下了这个任务。他计划用TensorFlow构建一个简单的卷积神经网络（CNN），因为CNN在图像识别任务中表现更优，能更好地提取图像的空间特征。他在笔记本上写下初步的模型结构：输入层（28×28×1的图像）、两个卷积层（分别用32个和64个3×3的卷积核）、两个池化层（最大池化）、一个全连接层（128个神经元）和一个输出层（4个类别，对应四种服装）。
高一的时光，还在继续，日历一页页翻过，转眼已是11月中旬。他的双轨生活，依旧稳定而坚定，没有丝毫紊乱。学校里，他是沉默的中等生，低调，平凡，不惹眼，穿着旧衣服，成绩中等，偶尔会因为同桌的一句关心而耳根泛红；小木屋里，他是专注的AI学习者，深耕技术，探索未知，锋芒渐露，用一行行代码构建自己的世界，用一个个项目证明自己的价值。窗外，夜色渐深，星光璀璨，月亮挂在深蓝色的天空中，洒下清辉。小木屋里的灯光，依旧亮着，那一点明亮的光芒，在漆黑的郊外，显得格外耀眼，仿佛是少年心中不灭的梦想。键盘声，依旧在小木屋里回荡，坚定，而有力，敲击着未来的无限可能。他的AI之路，才刚刚开始，前方或许有更多的挑战，但他无所畏惧。他的未来，充满了无限可能，就像这深夜的星空，广阔而璀璨。