试题代码

试题名称

智慧交通中燃油效率模型的数据清洗和标注流程设计

场地设备要求

(1)人工智能训练师主机 1 台；

(2)Python 编译环境；

(3)汽车燃油效率数据集（auto-mpg.csv）；

考核时间

20min

工作任务

在现代交通中，燃油效率（MPG）是衡量汽车性能和交通系统优化的重要指标之一。高效的燃油利用不仅能够降低车辆运营成本，还能减少碳排放，促进环保。开发一个用于预测汽车燃油效率的模型可以帮助智慧交通系统优化路线规划和车辆调度，从而提升整体交通效率和减少能源消耗。此外，这样的模型还可以帮助消费者做出更明智的购车决策，并帮助厂商优化汽车设计。

现要求根据提供的汽车燃油效率数据集，补全2.1.1.ipynb代码。选择合适的特征，开发一个燃油效率预测模型。在开发预测模型之前，首先要对数据进行数据清洗和标注，请完成下面的数据预处理任务，并设计一套标注流程规范：

(1)正确加载数据集，并显示前五行的数据及数据类型。

(2)检查数据集中的缺失值并删除缺失值所在的行。

(3)将“horsepower”列转换为数值类型，并处理转换中的异常值。

(4)对数值型数据进行标准化处理，确保数据在同一量纲下进行分析。

(5)根据业务需求和数据特性，选择对燃油效率预测最有用的特征：选择以下特征：'cylinders'、'displacement'、'horsepower'、'weight'、'acceleration'、'model year'、'origin'

(6)将“mpg”设为目标变量并标注；

(7)对数据进行标注和划分；

(8)保存处理后的数据，并命名为：2.1.1_cleaned_data.csv，保存到考生文件夹；

(9)制定数据清洗和标注规范，将答案写到答题卷文件中，答题卷文件命名为“2.1.1.docx”，保存到考生文件夹；

(10)将以上代码以及运行结果，以html格式保存并命名为2.1.1.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。

技能要求

（1）能够结合人工智能技术要求和业务特征，设计数据清洗和标注流程；

（2）能够结合人工智能技术要求和业务特征，制定数据清洗和标注规范。

质量指标

（1）深入理解业务，训练符合业务需求的模