AI编程案例拆解|基于机器学习XX评分系统-后端篇

文章目录

- - [5. 数据集生成](#5. 数据集生成)
  - - 使用KIMI生成数据集
  - [6. 后端部分设计](#6. 后端部分设计)
  - 注意事项
关注不迷路，励志拆解100个AI编程、AI智能体的落地应用案例
为了用户的隐私性，关键信息会全部打码

5. 数据集生成

在这一阶段，我们需要为系统准备合适的数据集。以下是具体步骤：

使用KIMI生成数据集

定义数据需求：明确系统所需的数据类型和格式，如学生成绩、运动项目等。

这里以运动成绩举例:

注意生成后的数据如果用右上角的复制按钮是不能直接贴到excel或者csv文件中的，这里需要用在线工具转换一下再复制

https://tableconvert.com/markdown-to-excel

6. 后端部分设计

使用DeepSeek生成神经网络算法设计

需求输入：将系统的功能需求输入DeepSeek，生成后端架构设计方案。

注意

这里的提示词有提到 mermaid 这是一种标记语言,常用来绘制流程图,比如

mermaid在线转义网址

其次是一个完整的机器学习的算法是需要数据集、预处理、神经网络定义、训练和预测这些算法的大致步骤需要作为提示词输入,避免太大的随机性

一般来说deepseek第一轮结果返回的设计结构都会比较复杂，需要通过提示词再优化一下训练模型的设计

初始化项目

配置环境：配置开发环境，确保项目能够顺利运行。

这里选择使用python3.8,安装完成后需要通过cmd命令来确认安装的版本,网上教程很多,这里不做赘述

使用脚手架工具：选择合适的脚手架工具，快速生成项目的基础结构。

框架类不要依赖AI生成，会有很多随机性，且后端的代码一般很长稍微生成错一位就会导致源源不断的问题,这里的脚手架选用django-admin

shell 复制代码

django-admin startproject score .

在Cursor中生成并提问

导入设计：将DeepSeek生成的神经网络设计输入到Cursor中。
逐步提问 ：使用Cursor的agent模式，逐步验证和完善后端逻辑。
- 提问示例
  gpt-4o/claude-3.5 使用要具有分段提示的思想他们是不支持太长的上下文,提示词大致流程:

markdown 复制代码

    *   我要完成 xxxxx 功能以下是功能的 mermaid 图,接下来我会逐流程向你提问，收到回复1
    *   然后一步一步的向它提问

用上一步deepseek输出的算法框架,一步步的喂给cursor，让它输出代码

执行完全部步骤后运行训练主函数,开始训练模型

保存模型 ： 这里最好新开一个窗口,避免无关的上下文太长,让cursor把训练好的模型保存下来,再提供一个测试方法展示如何调用这个模型输出结果，一般是.pth结尾的模型结果文件

前后端交互

向cursor将前端定义好的参数json对象放agent模式中，让cursor生成分数返回给前端，通过调用保存模型生成好的测试方法，将前端参数转换到对应的入参

运行后端命令

shell 复制代码

# 创建新的虚拟环境
python -m venv .venv  
# 激活环境
.venv\Scripts\activate
# 使用阿里云安装所有依赖
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
# 运行
python manage.py runserver 127.0.0.1:8086

注意事项

实测下来机械学习算法的后端部分，小白用纯AI其实是很难完成的，本身是需要有硬解的能力,比如debug和排查,理解算法的大致步骤,包括使用工具post接口
- 比如实际遇到的问题1 :模型训练中一直不收敛，预测效果一直不达标，可能是deepseek本身生成的算法的问题，或者cursor生成错误，这种时候最好就重新生成设计算法了,可以通过提示数据集的分布情况和数量来尝试生成新算法
- 比如实际遇到的问题2:模型训练完成了，输入参数也能返回结果但是结果就是不正确,最后通过debug排查发现是MinMaxScaler方法的原因,是通过当前的输入来做的归一化,而测试输入的数据调用这个函数归一化的特性集就是0-1分布导致输出模型后导致结果不一样。

python 复制代码

from sklearn.preprocessing import OneHotEncoder, MinMaxScaler
    scaler = MinMaxScaler()
    scaled_features = scaler.fit_transform(df[feature_columns])

cursor在xlsx读取方面没有特别擅长,需要通过代码读取,而且一般来说训练集也不能直接作为上下文会有超长的问题,因此数据样式需要复制出来作为提示词输出给cursor来生成
数据集问题需要提前和用户沟通，确认是需要开源的数据集还是自己随机生成就行
生成机器学习算法时，提示基于已有的文献来生成，带有点创新性 并返回参考的文献地址,个人感觉是比较重要的，因为算法如果完全随机生成，在设计上可以被说是乱编的没有意义