TODO: 入口函数

import numpy as np

from data_encode import encode, map_n2l
from read_data import Data
from model import get_pca_model, pca_transform, get_rf_model, rf_predict

data = Data() # 打开数据表
data.get_all() # 获取所有数据
rows = data.rows # 数据行数

input_data = [[0]*164 for i in range(rows)] # 存储编码结果的矩阵，初始化位全0

print(len(data.week_list))

for i in range(rows):
input_data[i] = encode(rows - i + 8, data.week_list[i], data.word_list[i]) # 获取编码后的输入矩阵

random_state = 3 # 设置随机数，须为整数

第一问

PCA降维

print(‘第一问：’)
n_components = 45 # 主成分数量
weights, w, coe = get_pca_model(n_components, input_data) # 主成分分析
print(‘主成分影响因数总和为{w}’.format(w=w))
x_pca = pca_transform(input_data, coe) # 输入降维

为了预测不同单词在3月1日当天的报告数量取值范围，我们需要找到能使得报告数量最大的单词和能使得报告数量最小的单词

min_letter = [0] * 5 # 用来存储5个位置负相关指数最小的字母索引
max_letter = [0] * 5 # 用来存储5个位置正相关指数最大的字母索引
for i in range(5):
w_letter = [0] * 26 # 第i个字母取不同值时的权重
for j in range(26):
w_letter[j] = coe[8 + i * j] + coe[8 + 5 * j] # 第i个字母取频率为第j的字母时的权重
min_letter[i] = w_letter.index(min(w_letter)) # 使得第i个位置负相关指数最小的字母索引
max_letter[i] = w_letter.index(max(w_letter)) # 使得第i个位置负相关指数最大的字母索引
min_str = ‘’.join([map_n2l[min_letter[0]], map_n2l[min_letter[1]], map_n2l[min_letter[2]],
map_n2l[min_letter[3]], map_n2l[min_letter[4]]]) # 获取使得负相关系数最大的单词
max_str = ‘’.join([map_n2l[max_letter[0]], map_n2l[max_letter[1]], map_n2l[max_letter[2]],
map_n2l[max_letter[3]], map_n2l[max_letter[4]]]) # 获取使得负相关系数最大的单词
print(‘使得报告数量达到理论最小值的单词为{str}’.format(str=min_str))
print(‘使得报告数量达到理论最大值的单词为{str}’.format(str=max_str))

随机森林回归，预测23年3月1日报告数量范围

regressor = get_rf_model(x_pca, data.reported_list, random_state) # 训练随机森林回归模型
x_code_230301_min = encode(423, 3, min_str) # 以2022年1月1日为第一天，3月1日是第423天，星期三
x_code_230301_max = encode(423, 3, max_str)
x_230301_data = [x_code_230301_min, x_code_230301_max] # 待预测值编码
x_230301_pca = pca_transform(x_230301_data, coe) # 待预测值降维
y_230301 = rf_predict(x_230301_pca, regressor) # 预测结果
print(‘23年3月1日报告数量范围为{m1}~{m2}’.format(m1=y_230301[0], m2=y_230301[1]))