《大数据分析技术》_鲍鱼年龄预测问题.docxVIP

PAGE

PAGE2

学号

组长

成员1

成员2

成员3

大数据分析技术

课程设计

课题

鲍鱼年龄预测问题

学生姓名

组长

成员1

成员2

成员3

院部

数学与计算机学院

专业班级

指导教师

二○二三年六月

PAGE3

目录

TOC\o1-3\h\z\u摘要 3

一．问题描述 1

二．数学建模 2

2.1问题分析 2

2.2符号系统 2

2.3合理的简化的假设 2

2.4模型建立 2

三．系统开发 3

3.1系统设计 3

3.1.1系统参数说明 3

3.1.2系统架构 3

3.2系统实现 3

3.3系统使用说明 4

四．结论 5

参考文献 6

摘要

从总体上阐述文章要解决的问题、分析问题的主要思路、针对问题建立的模型以及最终的计算结果，摘要内容不少于500字。

关键词：列出文章中出现的关键词汇及数学用语。

PAGE7

一．问题描述

鲍鱼数据集（AbaloneDataset）有4177条信息，8个输入变量和1个输出变量。数据集中自第1列至第8列是输入变量，是对鲍鱼8个特征的描述，依次是性别（M,F,I）、长度、直径、高度、总重量、剥壳重量、内脏重量、壳重；第9列是输出变量—鲍鱼的年龄，用环的数量来描述。具体见“鲍鱼数据集.xlsx”中“样本”表。

本设计根据所附数据集研究鲍鱼年龄的预测问题。

按如下步骤对数据进行预处理：

（1）对数据先进行描述性统计分析；

（2）对定量变量识别其中的奇异值，并删除所发现的奇异值；

（3）对定量变量进行标准化；

（4）对定性变量进行独热编码。

完成预处理。

应用预处理后的数据建立鲍鱼年龄的下述预测模型：

（1）线性回归模型

（2）一次有理模型

（3）logistic模型

对上述模型的精度进行评估。

将上述解决问题的过程封装为一个pythonapi，用于鲍鱼年龄的识别。

注：需附使用说明。

二．数学建模

2.1问题分析

2.2符号系统

2.3合理的简化的假设

2.4模型建立

2.5模型求解

三．系统开发

将前面研究结果集成为一个系统。

3.1系统设计

3.1.1系统参数说明

一、输入参数

二、输出参数

3.1.2系统架构

AppSVM

建模SVC

训练fit

评估内预测准确率accuracy_score

预测

3.2系统实现

#集成开始

#〇、导库

fromsklearn.svmimportSVC

#导入数据分割函数：将数据分割为训练集和测试集

fromsklearn.model_selectionimporttrain_test_split

#导入模型评估函数

fromsklearn.metricsimportaccuracy_score

#一、算法集成

defAppSVM(X,y,data,c=1,kernel=rbf,gamma=2,test_size=0.3):

#输入参数说明~~~~~~~~~

#1.X,y=对象在其特征上的观测数据及其对应的类别，都是数据框，是已经完成预处理的数据。

#2.data=待识别对象在其特征上的观测值，是一个数据框，是已经完成预处理的数据。

#3.支持向量机参数设置

#c=惩罚因子，应用于SVC；默认参数，默认值为1。

#kernel=指定支持向量机的核函数；默认参数，默认值为“rbf”（高斯核函数）。

#gamma=仅当核函数为“rbf”时有效，是平衡支持向量个数的参数：

#gamma越大，支持向量越少，gamma值越小，支持向量越多；

#默认参数，默认值为1。

#4.test_size=X,y中数据用于测试的比例，默认参数，默认值为0.3。

#输出参数说明~~~~~~~~~

#1.results=字典型数据，其键为：

#labels=对应的预测结果

#accuracy=模型的识别准确率，包含回代准确率和测试准确率

#套路开始

#1.建模

model=SVC(C=c,kernel=kernel,gamma=gamma)

#2.训练

#2.1分割训练集和测试集

X_train,X_test,y_train,y_test=train_test_split(X,y,