人工智能训练师

Appearance

智能步数预测模型开发与测试 ​

1.导入库 ​

python
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
import pickle
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
  • pandas ：数据处理库，⽤于数据读取和操作
  • train_test_split ：数据集划分⼯具，⽤于拆分训练集和测试集
  • DecisionTreeRegressor：决策树回归模型类，⽤于建⽴回归模型（预测连续值）
  • pickle ： Python 对象序列化模块
  • mean_squared_error 和 r2_score ：回归评估指标（均⽅误差（ MSE ）、平均绝对误差（ MAE ）、决定系数（ R² ））

2.数据加载与预览 ​

python
df = pd.read_csv('fitness analysis.csv')
print(df.head())
  • pd.read_csv() ：读取 CSV ⽂件
    • 参数：⽂件路径 ('fitness analysis.csv')
  • head() ：显⽰前 5 行数据
  • 功能：加载数据并初步检查数据结构

3.特征工程 ​

python
X = df[['Your gender ', 'How important is exercise to you ?', 'How healthy do you consider yourself?']]
X = pd.get_dummies(X)
y = df['daily_steps']
  • pd.get_dummies() ：将分类变量转为哑变量 (one-hot 编码 )
  • 将 'daily_steps' （每⽇步数）列设置为⽬标变量（因变量）

4.数据集划分 ​

python
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
  • train_test_split() ：划分训练 / 测试集
    • test_size=0.2 ：测试集占 20%
    • random_state=42 ：固定随机种⼦保证可重复性

5.决策树回归模型 ​

python
dt_model = DecisionTreeRegressor(random_state=42)
dt_model.fit(X_train, y_train)
  • DecisionTreeRegressor() : 创建决策树回归模型
    • random_state=42 ：控制决策树中的随机选择，确保结果可复现
  • fit() ：训练模型，学习特征（ X_train ）与⽬标值（ y_train ）之间的关系

6.模型保存 ​

python
with open('2.2.5_model.pkl', 'wb') as model_file:
  pickle.dump(dt_model, model_file)
  • pickle.dump() ：序列化保存模型
    • 'wb' ：⼆进制写入模式
    • 保存到 '2.2.5_model.pkl'

7.预测与评估 ​

python
y_pred = dt_model.predict(X_test)
results = pd.DataFrame({'实际值': y_test, '预测值': y_pred})
results_filename = '2.2.5_results.txt'
results.to_csv(results_filename, index=False, sep='\t')

report_filename = '2.2.5_report.txt'
with open(report_filename, 'w') as f:
  f.write(f'均方误差: {mean_squared_error(y_test, y_pred)}\n')
  f.write(f'平均绝对误差: {mean_absolute_error(y_test, y_pred)}\n')
  f.write(f'决定系数: {r2_score(y_test, y_pred)}\n')

  • predict() ：⽣成预测结果

  • 创建包含两列的 DataFrame ：

    • " 实际值 " ：测试集的真实⽬标值（ y_test ）
    • " 预测值 " ：模型的预测结果（ y_pred ）

  • 计算三个指标：

    • 均⽅误差（ MSE ）：预测值与实际值差的平⽅均值（越⼩越好）
    • 平均绝对误差（ MAE ）：预测误差绝对值的均值（单位与⽬标值相同）
    • 决定系数（ R² ）：模型解释的数据⽅差⽐例（ 0-1 ，越⼤越好）

8.错误分析 ​

  1. 特征选择问题: 选择的特征变量相关性不高，。
  2. 模型复杂度过高或过低:
  3. 异常值或离群点：自变量可能存在异常值，导致模型训练结果不准确。
  4. 目标变量分布：目标变量数据分布不均

9.改进建议 ​

  • 特征工程：重新审视并优化特征选择，确保所选特征对于预测步数具有较强的关联性。
  • 处理异常值： 对数据进行更深入的探索，识别并处理任何异常值或离群点，以提高模型的鲁棒性和泛化能力。
  • 检查数据分布： 确认目标变量（每日步数）的分布情况，考虑是否需要进行数据变换（如对数变换）以改善模型性能。
  • 更换模型：使用随机森林、线性回归等其他模型进行训练测试。