水质安全预测项目 - 机器学习完整工作流程

📖 项目简介

这是一个机器学习学习项目。

🎯 学习目标

通过这个项目，获得以下实践经验：

• 数据预处理技能（处理缺失值、异常值、标准化）
• 监督学习分类任务的完整实现
• 多种机器学习算法的性能比较
• 模型结果的理解和解释

📂 项目结构

water-quality-prediction/
├── README.md                          # 项目说明文档
├── requirements.txt                   # 依赖包列表
├── step1_preprocessing.py             # 步骤1：数据预处理
├── step2_classification.py           # 步骤2：监督分类任务构建
├── step3_algorithm_comparison.py     # 步骤3：算法性能比较
├── step4_model_interpretation.py     # 步骤4：模型结果理解与解释
├── water_potability.csv                 # 数据文件（需要自行准备）
├── preprocessed_data/                 # 预处理后的数据（自动生成）
├── trained_model/                     # 训练好的模型（自动生成）
├── algorithm_comparison/              # 算法比较结果（自动生成）
└── water_quality_analysis_report.txt # 最终分析报告（自动生成）

🚀 快速开始

1. 环境准备

# 克隆项目（如果从GitHub获取）
git clone https://github.com/111acge/WaterPotability.git
cd water-quality-prediction

# 安装依赖
pip install -r requirements.txt

2. 数据准备

准备一个名为 water_quality.csv 的数据文件，包含以下列：

列名	描述	数据类型
ph	pH值	float
Hardness	硬度 (mg/L)	float
Solids	总固体 (ppm)	float
Chloramines	氯胺 (ppm)	float
Sulfate	硫酸盐 (mg/L)	float
Conductivity	电导率 (μS/cm)	float
Organic_carbon	有机碳 (ppm)	float
Trihalomethanes	三卤甲烷 (mg/L)	float
Turbidity	浊度 (NTU)	float
Potability	饮用性 (1=可饮用, 0=不可饮用)	int

3. 执行步骤

按照顺序执行四个步骤：

# 步骤1：数据预处理
python step1_preprocessing.py

# 步骤2：构建监督分类任务
python step2_classification.py

# 步骤3：比较算法性能
python step3_algorithm_comparison.py

# 步骤4：理解和解释模型结果
python step4_model_interpretation.py

4. 查看结果

步骤1：数据预处理 📊

输出文件：

• preprocessed_data/X_tensor.pt - 预处理后的特征数据
• preprocessed_data/y_tensor.pt - 目标标签数据
• preprocessed_data/scaler.pkl - 标准化器

步骤2：监督分类任务构建 🤖

输出文件：

• trained_model/model_state.pt - 模型参数
• trained_model/complete_model.pt - 完整模型
• trained_model/training_history.pt - 训练历史
• trained_model/evaluation_metrics.pt - 评估指标

步骤3：算法性能比较 ⚖️

输出文件：

• algorithm_comparison/algorithm_comparison.csv - 性能比较表
• algorithm_comparison/all_results.pt - 所有模型结果
• algorithm_comparison/best_traditional_model.pkl - 最佳传统模型

步骤4：模型结果理解与解释 🔍

输出文件：

• water_quality_analysis_report.txt - 综合分析报告

⚡ 系统要求

• Python: 3.7+
• 操作系统: Windows/macOS/Linux
• 内存: 建议4GB以上
• 存储空间: 约500MB

🔧 故障排除

依赖包版本冲突

如果遇到包版本冲突，建议使用虚拟环境：

# 创建虚拟环境
python -m venv water_quality_env

# 激活虚拟环境 (Windows)
water_quality_env\Scripts\activate
# 激活虚拟环境 (macOS/Linux)
source water_quality_env/bin/activate

# 安装依赖
pip install -r requirements.txt