实验部署运行说明。
BUPT机器学习2020春季学期期末考试大作业代码。
代码总体参照以下的目录结构:
10
.
├── code
│ ├── data
│ │ ├── train
│ │ └── ...
│ ├── main.ipynb
│ ├── other.ipynb
│ └── requirements.txt
├── othercode
│ └── ...
└── Readme.md
- June. 9, 2020: v0.2.0: 测试了多个分类器。
- June. 7, 2020: v0.1.5: 进行时间窗优解测试。
- June. 6, 2020: v0.1.2: 特征提取、分类模型粗略完成。
- June. 4, 2020: v0.0.5: 数据预处理测试。
- June. 3, 2020: v0.0.1: 环境创建调试。
如果您已经配置好了python有关环境，可以直接跳到本节的Install required packages
已针对Python 3.6及更高版本进行了测试，但建议使用Python 3.7。对于Ubuntu：如果您的系统上尚未安装正确的Python版本，请运行以下命令进行安装：
sudo apt install python-pip
sudo apt-get update
sudo apt-get install python3.7
使用 Anaconda 开源的Python包管理器。有关 Conda 环境使用，可以参照官方网站。
创建一个名为CWRU的新Conda环境
conda create --name cwru python=3.7
如果您位于虚拟环境中，则shell提示符应类似于：(cwru) user@computer:~$ 如果不是，则可以使用以下命令启用虚拟环境：
source activate cwru
要停用虚拟环境，请使用：
source deactivate
要安装所有的包，请在您喜欢的虚拟环境中运行以下命令：
pip install -r requirements.txt
或者手动安装下列您可能缺少的包：
pandas=1.0.1
scikit-learn=0.22.1
scipy=1.3.1
numpy=1.17.3
matplotlib=3.1.2
seaborn=0.10.0
pywavelets=1.1.1
如果您需要使用 Jupyter Notebook，还可能需要安装：
ipykernel=5.1.3
ipython=7.9.0
jupyter=1.0.0
建议使用Git下载代码：
git clone https://github.com/yjw1268/CWRU-data-experiment.git
运行code/main.ipynb，内含部分代码的讲解。如需加载模型cwru.model验证，可以直接跳到最后一部分。
运行过程中可能会生成一些临时文件。需要注意的是，由于本研究采用了 K折交叉验证 KFold，给出的运行参考的结果可能会与您实际运行的略有不同。
在 main.ipynb 中，尝试了4种分类器：
DecisionTreeClassifier
SGDClassifier
在code/main.ipynb中，如果您想复现所有的分类器，可能还需要安装：
tensorflow=2.0.0
mkl=2019.5
如果您只需要查看最终结果，可以无需安装这些。只需查看main.ipynb文件即可
运行 code/main.ipynb 中开始分析数据部分中的代码即可。
需要注意的是，由于采用了 K折交叉验证 KFold，给出的运行参考的结果可能会与您实际运行的略有不同。
如果您有问题或者建议，欢迎访问开发者 邮箱联系。