用python写一个ai代码

好的，以下是一个简单的Python代码，它使用了Scikit-learn库中的K近邻算法来实现简单的分类AI：

from sklearn.neighbors import KNeighborsClassifier

# 训练数据
X_train = [[1, 1], [2, 2], [3, 3], [4, 4]]
y_train = [0, 0, 1, 1]

# 创建K近邻分类器
clf = KNeighborsClassifier(n_neighbors=3)

# 训练分类器
clf.fit(X_train, y_train)

# 预测新数据
X_new = [[0.5, 0.5], [5, 5]]
y_pred = clf.predict(X_new)

# 输出预测结果
print(y_pred)

这段代码首先导入了Scikit-learn库中的KNeighborsClassifier类，然后定义了训练数据X_train和y_train。接下来，创建了一个K近邻分类器对象clf，并使用fit()方法训练分类器。最后，使用预测数据X_new调用predict()方法进行预测，并输出预测结果y_pred。

相关问题

用python写一个人工智能项目的代码

以下是一个简单的 Python 人工智能项目代码，基于 OpenAI 的 GPT-2 模型和 Transformers 库：

import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel

# 加载 GPT-2 模型和 tokenizer
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')

# 输入文本
text = "The quick brown fox jumps over the lazy dog."

# 转换为 token
input_ids = tokenizer.encode(text, return_tensors='pt')

# 生成文本
output = model.generate(input_ids, max_length=50, do_sample=True)

# 转换为字符串
output_text = tokenizer.decode(output[0], skip_special_tokens=True)

print(output_text)

该代码使用 GPT-2 模型和 tokenizer 生成文本。首先，使用 tokenizer 将输入文本转换为 token，并将其传递给模型生成文本。在此示例中，我们将生成的文本长度限制为 50 个 token，并进行了采样。最后，使用 tokenizer 将生成的 token 转换为字符串并打印输出。

用python写一个聊天ai代码

好的，以下是一个简单的Python代码，它使用了ChatterBot库中的ChatBot类来实现简单的聊天AI：

from chatterbot import ChatBot
from chatterbot.trainers import ListTrainer

# 创建ChatBot对象
bot = ChatBot('MyBot')

# 定义训练数据
conversation = [
    '你好',
    '你好啊',
    '最近怎么样？',
    '还不错，你呢？',
    '我很好，谢谢',
    '再见',
    '再见，祝你好运'
]

# 使用ListTrainer进行训练
trainer = ListTrainer(bot)
trainer.train(conversation)

# 开始聊天
while True:
    user_input = input('你：')
    response = bot.get_response(user_input)
    print('Bot:', response)

这段代码首先导入了ChatterBot库中的ChatBot类和ListTrainer类，然后创建了一个ChatBot对象bot。接下来，定义了训练数据conversation，并使用ListTrainer进行训练。最后，使用一个循环来不断地接收用户输入，调用get_response()方法获取AI的回复，并输出到控制台中。