移动物联网应用系统开发课程设计

期末项目 预测模型部分

创立以下文件夹：

---- code //代码文件

---- datafeature //生成的特征文件

---- dataset //初始数据集

---- datasmoted //经过均衡化处理后的特征文件

---- model //生成的模型文件

---- result //预测的结果

请在dataset文件夹内放置以下文件

• 训练集1 traindata_N15_M01_F10.csv
• 训练集2 traindata_N15_M07_F04.csv
• 测试集B testdataB.csv

运行流程

• 在code文件夹下打开feature_get.py并运行
  • 获取训练集traindata_N15_M01_F10.csv、traindata_N15_M07_F04.csv的特征
  • 将获得的部分特征（12个）输出到feature文件夹中的csv文件
• 在code文件夹下打开data_smote.py并运行
  • 将上一部获得的traindata_N15_M01_F10.csv的特征文件进行数据均衡化处理，便于后续的训练
• 在code文件夹下打开testdata_feature_get.py并运行
  • 获取测试集testdataA、testdataB的特征并输出
• 在code文件夹下打开Random_Forest.py并运行
  • 采用随机森林算法生成模型
  • 将第二个训练集作为测试，获得模型的评分
• 在code文件夹下打开result_prediction.py并运行
  • 利用上一步生成的模型，对测试集进行预测并输出结果

Othercode

• 其他的代码主要是在模型建立前期，提取所有45个特征后进行筛选的过程，同时绘制了特征贡献度图
• othercode中的路径均为绝对路径，可能无法运行