白富美，见不见~

此问题即对一个人是否与女生约会做预测，基本属性是：是否有钱，是否年轻，是否美丽。训练出来模型可以对输入的数据进行分类，最终输出一个人的偏好图。输入时是用的表格导入。
import pandas as pd 
from sklearn.tree import DecisionTreeClassifier
import copy
import os
import dtreeviz

# 指定结果保存的目录，确保结果文件能够存放在指定路径下
result_dir = '/Users/winter/Documents/VSCode/Python/DateOrNot/result'
if not os.path.exists(result_dir):
    os.makedirs(result_dir)  # 创建目录，如果目录已存在则不进行任何操作

# 从 Excel 文件中读取问卷和标准数据
date_download = pd.read_excel(r'/Users/winter/Documents/VSCode/Python/DateOrNot/机器学习原理-22级选修-周一-问卷统计详情.xlsx'
                              , sheet_name='问卷')
standard_download = pd.read_excel(r'/Users/winter/Documents/VSCode/Python/DateOrNot/YesOrNo.xlsx'
                                  , sheet_name=0)

# 名字列表，从问卷数据中提取参与者的名字
namelist = date_download.iloc[5:, 0].dropna().values.tolist()

# 定义需要处理的列和对应的映射字典
cols = ['相貌', '见不见']  # 需要处理的列名
col_dicts = {
    '相貌': {'佳': 3, '普通': 2, '差': 1},  # 将相貌进行数值化映射
    '见不见': {'A': 1, 'B': 0}  # 将见不见进行数值化映射
}

def processing(name):
    """
    处理指定参与者的问卷数据，训练决策树模型，并保存结果。
    
    参数:
    name (str): 参与者的名字
    """
    global date_download
    standard_date = copy.deepcopy(standard_download)  # 复制标准数据，以便后续填充
    a = int()
    pdi = standard_date  # 用于存放处理后的数据
    
    # 找到对应名字的行索引
    for i in range(date_download.shape[0]):
        if date_download.iloc[i, 0] == name:
            a = i
            
    # 填充数据，使用问卷数据中的相关信息
    for i in range(len(standard_date.index)):
        pdi.iloc[i, 4] = date_download.iloc[a, 8 + i]  # 将问卷中相应的数据填充到标准数据中
    
    # 映射相貌和见不见的列
    for col in cols:
        pdi[col] = pdi[col].map(col_dicts[col])  # 将字符串数据映射为数值数据

    # 保存处理后的数据到 Excel 文件
    pdi.to_excel(os.path.join(result_dir, f'{name}.xlsx'), index=False)
    
    # 准备特征和标签
    X = pdi.loc[:, ['工资', '年龄', '相貌']]  # 特征数据
    Y = pdi.loc[:, '见不见']  # 标签数据
    
    # 更改特征列名以便于理解
    X.columns = ['salary', 'age', 'face']
    
    print(X)  # 输出特征数据以供检查
    if Y.isnull().sum() == 0:  # 检查标签数据是否为空
        print(Y)  # 输出标签数据以供检查
        # 创建决策树分类模型
        credit_model = DecisionTreeClassifier(criterion='entropy', max_depth=3)
        entropy_tree = credit_model.fit(X.values, Y)  # 训练模型
        
        # 可视化决策树模型
        viz = dtreeviz.model(entropy_tree, 
                             X_train=X, 
                             y_train=Y, 
                             target_name='Yes or No', 
                             feature_names=['salary', 'age', 'face'], 
                             class_names=['No', 'Yes'])
        v = viz.view()  # 显示可视化结果
        v.show()  # 展示可视化图形
        v.save(os.path.join(result_dir, f'result_{name}.svg'))  # 保存可视化结果为 SVG 文件

if __name__ == '__main__':
    while len(namelist):  # 循环直到处理完所有名单
        print('名单序列：', namelist)  # 输出当前名单序列
        name = input('输入所要计算的人员名字（结束输入q，输出所有a）：')  # 接受用户输入
        
        if name.lower() == 'q':  # 如果用户输入 q，退出循环
            break
        elif name == 'a':  # 如果用户输入 a，处理所有名单
            for i in namelist:
                print(i)  # 输出当前处理的名字
                processing(i)  # 处理当前名字
            break
        elif name in namelist:  # 如果输入的名字在名单中
            namelist.remove(name)  # 从名单中移除该名字
            processing(name)  # 处理该名字
        else:  # 如果输入的名字不在名单中
            print('输入在名单中的名字！')  # 提示用户输入有效的名字
Menu

Share

Comment
