2022高教社杯全国大学生数学建模竞赛C题问题一(3) Python代码

news2024/9/21 19:42:39

- 1.3 根据风化点检测数据，预测其风化前的化学成分含量
- - 数据重塑
  - 数据可视化
  - 回归
  - - 随机森林回归
    - XGboost回归
    - Gradient Boosting回归
    - LightGBM回归
    - CatBoost回归
    - 决策树回归
    - MLP回归
  - 预测
  - 数据复原

1.3 根据风化点检测数据，预测其风化前的化学成分含量

在这里插入图片描述

数据重塑

import numpy as np

df= pd.DataFrame(columns=['文物编号','风化标记', '化学成分含量', '化学成分标签',
                         '纹饰','类型','颜色','表面风化'], 
                 index=range(d12.shape[0]*14))
df['文物编号'] = list(d12['文物编号']) * 14
df['风化标记'] = list(d12['风化标记']) * 14
df['纹饰'] = list(d12['纹饰']) * 14
df['类型'] = list(d12['类型']) * 14
df['颜色'] = list(d12['颜色']) * 14
df['表面风化'] = list(d12['表面风化']) * 14
df['化学成分标签'] = list(np.repeat(list(d12.columns[6:20]), d12.shape[0]))

a = list(d12.iloc[:,6])
for i in range(7,20):
    a.extend(d12.iloc[:,i])
df['化学成分含量'] = a
df.head()

	文物编号	风化标记	化学成分含量	化学成分标签	纹饰	类型	颜色	表面风化
0	1	其它	69.33	二氧化硅(SiO2)	C	高钾	蓝绿	无风化
1	2	其它	36.28	二氧化硅(SiO2)	A	铅钡	浅蓝	风化
2	3	其它	87.05	二氧化硅(SiO2)	A	高钾	蓝绿	无风化
3	3	其它	61.71	二氧化硅(SiO2)	A	高钾	蓝绿	无风化
4	4	其它	65.88	二氧化硅(SiO2)	A	高钾	蓝绿	无风化

数据可视化

import plotly.express as px
fig = px.box(df, x="化学成分标签", y="化学成分含量", color="风化标记")
# remove background color
fig.update_layout({
   'plot_bgcolor': 'rgba(0, 0, 0, 0)',})
fig.show()

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import sklearn
import warnings
 
from sklearn.preprocessing import LabelEncoder
from sklearn.impute import KNNImputer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import f1_score
from sklearn.ensemble import RandomForestRegressor
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import cross_val_score
 
warnings.filterwarnings('ignore')

# 颜色 rows with na
# 由于在风化及未风化的玻璃中，均是‘浅蓝’颜色的玻璃频数最高，这里选择使用众数进行缺失值填补
index = pd.isna(df['颜色'])
index = np.where(index)[0]
df.iloc[index,6] = '浅蓝'

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 938 entries, 0 to 937
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   文物编号    938 non-null    int64  
 1   风化标记    938 non-null    object 
 2   化学成分含量  938 non-null    float64
 3   化学成分标签  938 non-null    object 
 4   纹饰      938 non-null    object 
 5   类型      938 non-null    object 
 6   颜色      938 non-null    object 
 7   表面风化    938 non-null    object 
dtypes: float64(1), int64(1), object(6)
memory usage: 58.8+ KB

import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing import LabelEncoder

# reorder columns
df = df.iloc[:,[0,2,1