一个用python机器学习做的简易天气预报.zip

# PYWeatherReport ## 简介 一个用python机器学习(ml)做的广州地区的简易天气预报 模型是用的是sklearn的随机树森林(randomForest) 在Pre_Weather文件夹下用 python Main.py 命令运行 训练数据来源于[http://www.meteomanz.com/](http://www.meteomanz.com/) ## 如何使用 直接用python运行`pre_weather/Main.py`，就会在控制台输出预测的数据 ``` python pre_weather/Main.py ``` 或 在你的python代码里用`joblib`导入生成的模型，然后输入你的数据进行预测 (PS: 因为模型的训练用的数据日期和你预测数据的日期有关，所以不建议直接用使用非当天训练的模型进行预测，误差可能偏大) 如以下代码(在Main.py的11行): ``` import joblib # 读取保存的模型 model = joblib.load('Model.pkl') # 最终预测结果 preds = model.predict(r[1]) ``` 其中，`r[1]`是预测数据 或 参考`Main.py`，自己写一个符合你需求启动文件 ## 系列教程 [机器学习参考篇: python+sklearn+kaggle机器学习](https://blog.csdn.net/qq_40832960/article/details/109260388) [用python+sklearn(机器学习)实现天气预报 准备](https://blog.csdn.net/qq_40832960/article/details/111146467) [用python+sklearn(机器学习)实现天气预报数据 数据](https://blog.csdn.net/qq_40832960/article/details/111182425) [用python+sklearn(机器学习)实现天气预报 模型和使用](https://blog.csdn.net/qq_40832960/article/details/111238926) > 2020/12/16 优化和修复代码，增加数据可视化显示  > 2020/12/7 优化和修复代码 增加模型保存和填充缺失数据 > 2020/11/25 优化了代码 计划未来改模型为RGBoost或用tensorflow来降低MAE，同时提高数据多元化 MAE优化到3.6021665834173815 把丢失值取为手动平均值2  > 2020/11/24 模型是用的决策树森林 训练数据来源于[http://www.meteomanz.com/](http://www.meteomanz.com/) MAE目前是3.604，未来我会尽可能继续优化