日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時間：8:30-17:00
你可能遇到了下面的問題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
Get了！用Python制作數(shù)據(jù)預(yù)測集成工具

 大數(shù)據(jù)預(yù)測是大數(shù)據(jù)最核心的應(yīng)用，是它將傳統(tǒng)意義的預(yù)測拓展到“現(xiàn)測”。大數(shù)據(jù)預(yù)測的優(yōu)勢體現(xiàn)在，它把一個非常困難的預(yù)測問題，轉(zhuǎn)化為一個相對簡單的描述問題，而這是傳統(tǒng)小數(shù)據(jù)集根本無法企及的。從預(yù)測的角度看，大數(shù)據(jù)預(yù)測所得出的結(jié)果不僅僅是用于處理現(xiàn)實(shí)業(yè)務(wù)的簡單、客觀的結(jié)論，更是能用于幫助企業(yè)經(jīng)營的決策。

寧縣網(wǎng)站建設(shè)公司成都創(chuàng)新互聯(lián),寧縣網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為寧縣上1000+提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)網(wǎng)站制作要多少錢，請找那個售后服務(wù)好的寧縣做網(wǎng)站的公司定做！

在過去，人們的決策主要是依賴 20% 的結(jié)構(gòu)化數(shù)據(jù)，而大數(shù)據(jù)預(yù)測則可以利用另外 80% 的非結(jié)構(gòu)化數(shù)據(jù)來做決策。大數(shù)據(jù)預(yù)測具有更多的數(shù)據(jù)維度，更快的數(shù)據(jù)頻度和更廣的數(shù)據(jù)寬度。與小數(shù)據(jù)時代相比，大數(shù)據(jù)預(yù)測的思維具有 3 大改變：實(shí)樣而非抽樣;預(yù)測效率而非精確;相關(guān)關(guān)系而非因果關(guān)系。

而今天我們就將利用python制作可視化的大數(shù)據(jù)預(yù)測部分集成工具，其中數(shù)據(jù)在這里使用一個實(shí)驗(yàn)中的數(shù)據(jù)。普遍性的應(yīng)用則直接從文件讀取即可。其中的效果圖如下：

實(shí)驗(yàn)前的準(zhǔn)備

首先我們使用的python版本是3.6.5所用到的模塊如下：

  • sklearn模塊用來創(chuàng)建整個模型訓(xùn)練和保存調(diào)用以及算法的搭建框架等等。
  • numpy模塊用來處理數(shù)據(jù)矩陣運(yùn)算。
  • matplotlib模塊用來可視化擬合模型效果。
  • Pillow庫用來加載圖片至GUI界面。
  • Pandas模塊用來讀取csv數(shù)據(jù)文件。
  • Tkinter用來創(chuàng)建GUI窗口程序。

數(shù)據(jù)的訓(xùn)練和訓(xùn)練的GUI窗口

經(jīng)過算法比較，發(fā)現(xiàn)這里我們選擇使用sklearn簡單的多元回歸進(jìn)行擬合數(shù)據(jù)可以達(dá)到比較好的效果。

(1)首先是是數(shù)據(jù)的讀取，通過設(shè)定選定文件夾函數(shù)來讀取文件，加載數(shù)據(jù)的效果：

 
 
 
 
    
  
  
  
  
  1. '''選擇文件功能''' 
    2.   
  
  
  
  2. def selectPath(): 
    3.   
  
  
  
  3.     # 選擇文件path_接收文件地址 
    4.   
  
  
  
  4.     path_ =tkinter.filedialog.askopenfilename() 
    5.   
  
  
  
  5.     # 通過replace函數(shù)替換絕對文件地址中的/來使文件可被程序讀取 
    6.   
  
  
  
  6.     # 注意：\\轉(zhuǎn)義后為\，所以\\\\轉(zhuǎn)義后為\\ 
    7.   
  
  
  
  7.     path_ =path_.replace("/", "\\\\") 
    8.   
  
  
  
  8.     # path設(shè)置path_的值 
    9.   
  
  
  
  9.     path.set(path_) 
    10.   
  
  
  
  10.     return path 
    11.   
  
  
  
  11.  
    12.   
  
  
  
  12. # 得到的DataFrame讀入所有數(shù)據(jù) 
    13.   
  
  
  
  13. data = pd.read_excel(FILENAME, header=0, usecols="A,B,C,D,E,F,G,H,I") 
    14.   
  
  
  
  14. # DataFrame轉(zhuǎn)化為array 
    15.   
  
  
  
  15. DataArray = data.values 
    16.   
  
  
  
  16. # 讀取已使用年限作為標(biāo)簽 
    17.   
  
  
  
  17. Y = DataArray[:, 8] 
    18.   
  
  
  
  18. # 讀取其他參數(shù)作為自變量，影響因素 
    19.   
  
  
  
  19. X = DataArray[:, 0:8] 
    20.   
  
  
  
  20. # 字符串轉(zhuǎn)變?yōu)檎麛?shù) 
    21.   
  
  
  
  21. for i in range(len(Y)): 
    22.   
  
  
  
  22.     Y[i] = int(Y[i].replace("年", "")) 
    23.   
  
  
  
  23. X = np.array(X)  # 轉(zhuǎn)化為array 
    24.   
  
  
  
  24. Y = np.array(Y)  # 轉(zhuǎn)化為array 
    25.   
  
  
  
  25.  
    26.   
  
  
  
  26. root = Tk() 
    27.   
  
  
  
  27. root.geometry("+500+260") 
    28.   
  
  
  
  28. # 背景圖設(shè)置 
    29.   
  
  
  
  29. canvas = tk.Canvas(root, width=600, height=200, bd=0, highlightthickness=0) 
    30.   
  
  
  
  30. imgpath = '1.jpg' 
    31.   
  
  
  
  31. img = Image.open(imgpath) 
    32.   
  
  
  
  32. photo = ImageTk.PhotoImage(img) 
    33.   
  
  
  
  33. #背景圖大小設(shè)置 
    34.   
  
  
  
  34. canvas.create_image(700, 400, image=photo) 
    35.   
  
  
  
  35. canvas.pack() 
    36.   
  
  
  
  36. path = StringVar() 
    37.   
  
  
  
  37. #標(biāo)簽名稱位置 
    38.   
  
  
  
  38. label1=tk.Label(text = "目標(biāo)路徑:") 
    39.   
  
  
  
  39. label1.pack() 
    40.   
  
  
  
  40. e1=tk.Entry( textvariable = path) 
    41.   
  
  
  
  41. e1.pack() 
    42.   
  
  
  
  42. bn1=tk.Button(text = "路徑選擇", command = selectPath) 
    43.   
  
  
  
  43. bn1.pack() 
    44.   
  
  
  
  44. bn2=tk.Button(text = "模型訓(xùn)練", command = train) 
    45.   
  
  
  
  45. bn2.pack() 
    46.   
  
  
  
  46. bn3=tk.Button(text = "模型預(yù)測", command = test) 
    47.   
  
  
  
  47. bn3.pack() 
    48.   
  
  
  
  48. #標(biāo)簽按鈕等放在背景圖上 
    49.   
  
  
  
  49. canvas.create_window(50, 50, width=150, height=30, 
    50.   
  
  
  
  50.                      window=label1) 
    51.   
  
  
  
  51. canvas.create_window(280, 50, width=300, height=30, 
    52.   
  
  
  
  52.                      window=e1) 
    53.   
  
  
  
  53. canvas.create_window(510, 50, width=150, height=30, 
    54.   
  
  
  
  54.                      window=bn1) 
    55.   
  
  
  
  55. canvas.create_window(50, 100, width=150, height=30, 
    56.   
  
  
  
  56.                      window=bn2) 
    57.   
  
  
  
  57. canvas.create_window(510, 100, width=150, height=30, 
    58.   
  
  
  
  58.                      window=bn3) 
    59.   
  
  
  
  59.  
    60.   
  
  
  
  60. root.mainloop() 
    61.

效果如下可見：

(2)然后是數(shù)據(jù)的擬合和可視化模型效果：

 
 
 
 
    
  
  
  
  
  1. # 模型擬合 
    2.   
  
  
  
  2. reg = LinearRegression() 
    3.   
  
  
  
  3. reg.fit(X, Y) 
    4.   
  
  
  
  4. # 預(yù)測效果 
    5.   
  
  
  
  5. predict = reg.predict(np.array([X[0]])) 
    6.   
  
  
  
  6. Y_predict = reg.predict(X) 
    7.   
  
  
  
  7. print(Y_predict) 
    8.   
  
  
  
  8. # 橫坐標(biāo) 
    9.   
  
  
  
  9. x_label = [] 
    10.   
  
  
  
  10. for i in range(len(Y)): 
    11.   
  
  
  
  11.     x_label.append(i) 
    12.   
  
  
  
  12. # 繪圖 
    13.   
  
  
  
  13. fig, ax = plt.subplots() 
    14.   
  
  
  
  14. # 真實(shí)值分布散點(diǎn)圖 
    15.   
  
  
  
  15. plt.scatter(x_label, Y) 
    16.   
  
  
  
  16. # 預(yù)測值分布散點(diǎn)圖 
    17.   
  
  
  
  17. plt.scatter(x_label, Y_predict) 
    18.   
  
  
  
  18. # 預(yù)測值擬合直線圖 
    19.   
  
  
  
  19. plt.plot(x_label, Y_predict) 
    20.   
  
  
  
  20. # 橫縱坐標(biāo) 
    21.   
  
  
  
  21. ax.set_xlabel('預(yù)測值與真實(shí)值模型擬合效果圖') 
    22.   
  
  
  
  22. ax.set_ylabel('藍(lán)色為真實(shí)值，黃色為預(yù)測值') 
    23.   
  
  
  
  23. # 將繪制的圖形顯示到tkinter:創(chuàng)建屬于root的canvas畫布,并將圖f置于畫布上 
    24.   
  
  
  
  24. canvas = FigureCanvasTkAgg(fig, master=root) 
    25.   
  
  
  
  25. canvas.draw()  # 注意show方法已經(jīng)過時了,這里改用draw 
    26.   
  
  
  
  26. canvas.get_tk_widget().pack() 
    27.   
  
  
  
  27. # matplotlib的導(dǎo)航工具欄顯示上來(默認(rèn)是不會顯示它的) 
    28.   
  
  
  
  28. toolbar = NavigationToolbar2Tk(canvas, root) 
    29.   
  
  
  
  29. toolbar.update() 
    30.   
  
  
  
  30. canvas._tkcanvas.pack() 
    31.   
  
  
  
  31. #彈窗顯示 
    32.   
  
  
  
  32. messagebox.showinfo(title='模型情況', message="模型訓(xùn)練完成！") 
    33.   
  
  
  
  33. 其中的效果如下可見： 
    34.

其中的效果如下可見：

模型的預(yù)測和使用

其中模型的預(yù)測主要通過兩種方式進(jìn)行預(yù)測，分別是：手動輸入單個數(shù)據(jù)進(jìn)行預(yù)測和讀取文件進(jìn)行預(yù)測。

其中手動輸入數(shù)據(jù)進(jìn)行預(yù)測需要設(shè)置更多的GUI按鈕，其中代碼如下：

 
 
 
 
    
  
  
  
  
  1. #子窗口 
    2.   
  
  
  
  2. LOVE = Toplevel(root) 
    3.   
  
  
  
  3. LOVE.geometry("+100+260") 
    4.   
  
  
  
  4. LOVE.title = "模型測試" 
    5.   
  
  
  
  5. #子窗口各標(biāo)簽名 
    6.   
  
  
  
  6. label = ["上升沿斜率（v/us）", "下降沿斜率（v/us）", "脈寬(ns)", "低狀態(tài)電平（mv）", "低電平方差（mv2)x10-3", "高狀態(tài)電平（v）", "高電平方差(v2)", "信號質(zhì)量因子"] 
    7.   
  
  
  
  7. Label(LOVE, text="1、輸入?yún)?shù)預(yù)測", font=("微軟雅黑", 20)).grid(row=0, column=0) 
    8.   
  
  
  
  8. #標(biāo)簽名稱，字體位置 
    9.   
  
  
  
  9. Label(LOVE, text=label[0], font=("微軟雅黑",10)).grid(row=1, column=0) 
    10.   
  
  
  
  10. Label(LOVE, text=label[1], font=("微軟雅黑", 10)).grid(row=1, column=1) 
    11.   
  
  
  
  11. Label(LOVE, text=label[2], font=("微軟雅黑", 10)).grid(row=1, column=2) 
    12.   
  
  
  
  12. Label(LOVE, text=label[3], font=("微軟雅黑", 10)).grid(row=1, column=3) 
    13.   
  
  
  
  13. Label(LOVE, text=label[4], font=("微軟雅黑", 10)).grid(row=1, column=4) 
    14.   
  
  
  
  14. Label(LOVE, text=label[5], font=("微軟雅黑", 10)).grid(row=1, column=5) 
    15.   
  
  
  
  15. Label(LOVE, text=label[6], font=("微軟雅黑", 10)).grid(row=1, column=6) 
    16.   
  
  
  
  16. Label(LOVE, text=label[7], font=("微軟雅黑", 10)).grid(row=1, column=7) 
    17.   
  
  
  
  17. #編輯框位置和字體 
    18.   
  
  
  
  18. en1=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    19.   
  
  
  
  19. en1.grid(row=2, column=0) 
    20.   
  
  
  
  20. en2=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    21.   
  
  
  
  21. en2.grid(row=2, column=1) 
    22.   
  
  
  
  22. en3=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    23.   
  
  
  
  23. en3.grid(row=2, column=2) 
    24.   
  
  
  
  24. en4=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    25.   
  
  
  
  25. en4.grid(row=2, column=3) 
    26.   
  
  
  
  26. en5=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    27.   
  
  
  
  27. en5.grid(row=2, column=4) 
    28.   
  
  
  
  28. en6=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    29.   
  
  
  
  29. en6.grid(row=2, column=5) 
    30.   
  
  
  
  30. en7=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    31.   
  
  
  
  31. en7.grid(row=2, column=6) 
    32.   
  
  
  
  32. en8=tk.Entry(LOVE, font=("微軟雅黑", 8)) 
    33.   
  
  
  
  33. en8.grid(row=2, column=7) 
    34.   
  
  
  
  34. Label(LOVE, text="", font=("微軟雅黑", 10)).grid(row=3, column=0) 
    35.   
  
  
  
  35. #測試輸入框預(yù)測 
    36.   
  
  
  
  36. def pp(): 
    37.   
  
  
  
  37.     x=np.array([int(en1.get()),int(en2.get()),int(en3.get()),int(en4.get()),int(en5.get()),int(en6.get()),int(en7.get()),int(en8.get())]) 
    38.   
  
  
  
  38.     # 預(yù)測效果 
    39.   
  
  
  
  39.     predict = reg.predict(np.array([x])) 
    40.   
  
  
  
  40.     Label(LOVE, text="預(yù)測結(jié)果已使用年數(shù)為："+str(predict[0])+"年", font=("微軟雅黑", 10)).grid(row=4, column=3) 
    41.   
  
  
  
  41.     print(predict) 
    42.   
  
  
  
  42. Button(LOVE, text="預(yù)測：", font=("微軟雅黑", 15),command=pp).grid(row=4, column=0) 
    43.   
  
  
  
  43. Label(LOVE, text="2、選擇文件預(yù)測", font=("微軟雅黑", 20)).grid(row=5, column=0) 
    44.   
  
  
  
  44. path1 = StringVar() 
    45.   
  
  
  
  45. label1 = tk.Label(LOVE,text="目標(biāo)路徑:", font=("微軟雅黑", 10)) 
    46.   
  
  
  
  46. label1.grid(row=6, column=0) 
    47.   
  
  
  
  47. e1 = tk.Entry(LOVE,textvariable=path1, font=("微軟雅黑", 10)) 
    48.   
  
  
  
  48. e1.grid(row=6, column=2) 
    49.   
  
  
  
  49. label = ["上升沿斜率（v/us）", "下降沿斜率（v/us）", "脈寬(ns)", "低狀態(tài)電平（mv）", "低電平方差（mv2)x10-3", "高狀態(tài)電平（v）", "高電平方差(v2)", 
    50.   
  
  
  
  50.              "信號質(zhì)量因子"] 
    51.   
  
  
  
  51.     n = 0 
    52.   
  
  
  
  52.     for i in predict_value: 
    53.   
  
  
  
  53.         print(str(label) + "分別為" + str(X[n]) + "預(yù)測出來的結(jié)果為：" + str(i) + "年" + "\n") 
    54.   
  
  
  
  54.         f = open("預(yù)測結(jié)果.txt", "a") 
    55.   
  
  
  
  55.         f.write(str(label) + "分別為" + str(X[n]) + "預(yù)測出來的結(jié)果為：" + str(i) + "年" + "\n") 
    56.   
  
  
  
  56.         f.close() 
    57.   
  
  
  
  57.         f = open("result.txt", "a") 
    58.   
  
  
  
  58.         f.write(str(i) + "\n") 
    59.   
  
  
  
  59.         f.close() 
    60.   
  
  
  
  60.         n += 1 
    61.   
  
  
  
  61.     messagebox.showinfo(title='模型情況', message="預(yù)測結(jié)果保存在當(dāng)前文件夾下的TXT文件中！") 
    62.   
  
  
  
  62.     os.system("result.txt") 
    63.   
  
  
  
  63.     os.system("預(yù)測結(jié)果.txt") 
    64.   
  
  
  
  64. Button(LOVE, text="預(yù)測：", font=("微軟雅黑", 15), command=ppt).grid(row=7, column=0) 
    65.

效果如下可見：

選擇文件進(jìn)行讀取預(yù)測和模型訓(xùn)練數(shù)據(jù)的讀取類似，代碼如下：

 
 
 
 
    
  
  
  
  
  1. #選擇文件預(yù)測 
    2.   
  
  
  
  2. def selectPath1(): 
    3.   
  
  
  
  3.     # 選擇文件path_接收文件地址 
    4.   
  
  
  
  4.     path_ =tkinter.filedialog.askopenfilename() 
    5.   
  
  
  
  5.     # 通過replace函數(shù)替換絕對文件地址中的/來使文件可被程序讀取 
    6.   
  
  
  
  6.     # 注意：\\轉(zhuǎn)義后為\，所以\\\\轉(zhuǎn)義后為\\ 
    7.   
  
  
  
  7.     path_ =path_.replace("/", "\\\\") 
    8.   
  
  
  
  8.     # path設(shè)置path_的值 
    9.   
  
  
  
  9.     path1.set(path_) 
    10.   
  
  
  
  10.     return path 
    11.   
  
  
  
  11. bn1 = tk.Button(LOVE,text="路徑選擇", font=("微軟雅黑", 10), command=selectPath1) 
    12.   
  
  
  
  12. bn1.grid(row=6, column=6) 
    13.   
  
  
  
  13. def ppt(): 
    14.   
  
  
  
  14.     try: 
    15.   
  
  
  
  15.         os.remove("預(yù)測結(jié)果.txt") 
    16.   
  
  
  
  16.         os.remove("result.txt") 
    17.   
  
  
  
  17.     except: 
    18.   
  
  
  
  18.         pass 
    19.   
  
  
  
  19.     # 文件的名字 
    20.   
  
  
  
  20.     FILENAME =path1.get() 
    21.   
  
  
  
  21.     # 禁用科學(xué)計(jì)數(shù)法 
    22.   
  
  
  
  22.     pd.set_option('float_format', lambda x: '%.3f' % x) 
    23.   
  
  
  
  23.     np.set_printoptions(threshold=np.inf) 
    24.   
  
  
  
  24.     # 得到的DataFrame讀入所有數(shù)據(jù) 
    25.   
  
  
  
  25.     data =pd.read_excel(FILENAME, header=0, usecols="A,B,C,D,E,F,G,H") 
    26.   
  
  
  
  26.     # DataFrame轉(zhuǎn)化為array 
    27.   
  
  
  
  27.     DataArray =data.values 
    28.   
  
  
  
  28.     # 讀取其他參數(shù)作為自變量，影響因素 
    29.   
  
  
  
  29.     X = DataArray[:,0:8] 
    30.   
  
  
  
  30.     predict_value = reg.predict(X) 
    31.   
  
  
  
  31.     print(predict_value) 
    32.

效果如下：

由于讀取文件進(jìn)行預(yù)測的話，數(shù)據(jù)較多故直接存儲在TXT中方便查看：


網(wǎng)站名稱：Get了！用Python制作數(shù)據(jù)預(yù)測集成工具
URL鏈接：http://m.5511xx.com/article/djdesoj.html