水稻产量预测（随机森林模型python源码）.zip

import pandas as pd # 导入 pandas 库，用于数据处理和分析 import numpy as np # 导入 numpy 库，用于科学计算 import matplotlib.pyplot as plt # 导入 matplotlib 库，用于数据可视化 from sklearn.ensemble import RandomForestRegressor# 导入随机森林回归模型 from sklearn.model_selection import train_test_split # 导入用于数据集拆分的函数 # 读取数据 # 读取 csv 格式的文件，文件名为 'rice_production1.csv'，保存到变量 df 中 df = pd.read_csv('rice_production.csv') # 将过小和过大的数据进行删除，以免结果具有特殊性 df = df.loc[df['production'] <= 1000] df = df.loc[df['production'] >= 50] # 可视化数据集特征分布 # 创建 2 行 3 列的图形窗口，并设置窗口大小为 (15, 10)，返回的子图对象保存在变量 axs 中 fig, axs = plt.subplots(2, 3, figsize=(15, 10)) # 在第 1 行 1 列的子图中画出温度特征的直方图，并分成 10 个区间 axs[0, 0].hist(df['avg_sunshine'], bins=10) # 设置第 1 行 1 列的子图标题为 'Temperature' axs[0, 0].set_title('avg_sunshine (hour/year)') axs[0, 1].hist(df['avg_rain'], bins=10) axs[0, 1].set_title('avg_rain (cm/year)') axs[0, 2].hist(df['nitrogen'], bins=10) axs[0, 2].set_title('nitrogen (g/ha)') axs[1, 0].hist(df['potash'], bins=10) axs[1, 0].set_title('potash (g/ha)') axs[1, 1].hist(df['phosphate'], bins=10) axs[1, 1].set_title('phosphate (g/ha)') axs[1, 2].hist(df['production'], bins=10) axs[1, 2].set_title('production (g/ha)') # 归一化特征值, newValue = (oldValue - min) / (max - min) # 将 df 进行备份 df_backup = df.copy() # 取出数据部分 dataSet = df.values minVals = dataSet.min(0) # 求每一列的最小值，返回一维数组 maxVals = dataSet.max(0) # 求每一列的最大值，返回一维数组 ranges = maxVals - minVals # 创建一个和 dataSet 具有相同形状的零矩阵 # normDataSet = zeros(shape(dataSet)) m = dataSet.shape[0] normDataSet = dataSet - np.tile(minVals, (m, 1)) normDataSet = normDataSet / np.tile(ranges, (m, 1)) df = pd.DataFrame(normDataSet, columns = df.columns.tolist()) # 拆分数据集为训练集和测试集 # 从数据集中去掉 production 特征，将其余特征保存到变量 X 中 X = df.drop('production', axis=1) # 将 production 特征保存到变量 y 中 y = df['production'] # 函数返回值包含 4 个部分，分别是训练集的特征数据、测试集的特征数据、训练集的标签数据和测试集的标签数据 # 其顺序与传入的 X 参数一致。 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 训练随机森林模型， 用 n_estimators 设置决策树的数量 rf_model = RandomForestRegressor(n_estimators=100, random_state=42) # 传入训练数据集 X_train 和 训练目标值 y_train 拟合随机化森林回归模型 rf_model.fit(X_train, y_train) # 预测测试集，调用自带函数对结果 production 进行预测 y_pred = rf_model.predict(X_test) # 可视化预测结果 plt.figure() # 绘制测试数据集中目标向量的真实 production 和预测p roduction，散点图 plt.scatter(y_test * ranges[-1] + minVals[-1], y_pred * ranges[-1] + minVals[-1]) # 绘制折线图，第一个参数为 x 数值范围，第二个参数为 y 的数值范围，`--k`表示黑色的虚线 plt.plot([0, 1000], [0, 1000], '--k') # 分别在 x 轴和 y 轴写上标签 plt.xlabel('True Production') plt.ylabel('Predicted Production') plt.show() # 可视化特征重要性 # 返回一个数组，表示随机森林模型中各特征对预测结果的重要性程度。是所有决策树中特征重要性的平均值。 importances = rf_model.feature_importances_ # 计算重要性标准差， rf_model.estimators_ 返回所有的决策树， # 通过 np.std 函数对每个特征的重要性计算标准差，得到一个包含所有特征标准差的一维数组 std， # 其中每个元素对应一个特征。 std = np.std([tree.feature_importances_ for tree in rf_model.estimators_], axis=0) # 将特征的重要性从大到小排列，并返回排列后的特征索引 indices = np.argsort(importances)[::-1] plt.figure() # 设置柱状图标题 plt.title("Feature importances") # 使用 plt.bar 绘制柱状图 plt.bar(range(X_train.shape[1]), importances[indices], color="r", yerr=std[indices], align="center") # plt.xticks 函数用于设a置 x 轴的刻度标签 plt.xticks(range(X_train.shape[1]), X_train.columns[indices]) plt.show() # 将预测值和真实值存入文件中，进行可持久化处理 with open('forecase_and_reality.csv', 'w') as file: # 先将标题输入 file.write('forecase,reality,interpolation\n') # 将真实结果和预测结果输出 for fcase, rel in zip(y_test, y_pred): # 将归一化的数据还原 fcaset = fcase * ranges[-1] + minVals[-1] relt = rel * ranges[-1] + minVals[-1] # 取差值的绝对值t cha = fcaset - relt if fcaset - relt >=0 else relt - fcaset file.write(f'{fcaset},{relt},{cha}\n')