📊 更新可视化数据
This commit is contained in:
127
README.md
127
README.md
@@ -4,93 +4,46 @@
|
|||||||
班级: AI_251
|
班级: AI_251
|
||||||
学号: 2509165008
|
学号: 2509165008
|
||||||
仓库: final-practice
|
仓库: final-practice
|
||||||
原讲义文件: 期末实践题_电影类别预测.md
|
原数据文件: viz_data.json
|
||||||
|
说明: 纯数据，可直接用于 5 种图（条形图/折线图/饼图/雷达图/散点图）
|
||||||
-->
|
-->
|
||||||
|
|
||||||
# 人工智能数据服务 · 综合实践
|
|
||||||
|
|
||||||
> 课程代码：090945 班级：人工智能251班（50人）
|
|
||||||
> 考试形式：上机实践 · 2 节连堂（90 分钟）· 个人独立完成
|
|
||||||
|
|
||||||
---
|
|
||||||
|
|
||||||
## 一、说明
|
|
||||||
|
|
||||||
**类别词典**（共 10 类，本试卷通用）：
|
|
||||||
```
|
|
||||||
0.剧情 1.喜剧 2.科幻 3.悬疑 4.动作
|
|
||||||
5.爱情 6.动画 7.犯罪 8.奇幻 9.纪录
|
|
||||||
```
|
|
||||||
注：一部电影一个类别
|
|
||||||
|
|
||||||
**要求**：
|
|
||||||
1. 独立完成
|
|
||||||
2. 可参考 gitea 中的模板文件
|
|
||||||
3. 禁止使用豆包等大模型工具
|
|
||||||
4. 完成后提交到 Gitea 仓库 final-practice
|
|
||||||
|
|
||||||
---
|
|
||||||
|
|
||||||
## 二、数据采集
|
|
||||||
|
|
||||||
爬取豆瓣电影 Top250 前 50 部电影信息，包含电影名称、主演、短评。数据保存为 `movies.json`。
|
|
||||||
|
|
||||||
JSON 字段示例：
|
|
||||||
```json
|
```json
|
||||||
{"rank": 1, "title": "肖申克的救赎", "actors": "蒂姆·罗宾斯 / 摩根·弗里曼", "quote": "希望让人自由。"}
|
{
|
||||||
```
|
"description": "学生考试成绩数据 - 可同时绘制 5 种图（条形图/折线图/饼图/雷达图/散点图）",
|
||||||
|
"bar_chart": {
|
||||||
---
|
"title": "各学生数学成绩对比",
|
||||||
|
"x": ["张三", "李四", "王五", "赵六", "钱七", "孙八", "周九", "吴十", "郑明", "王芳"],
|
||||||
## 三、数据处理与标注
|
"y": [92, 88, 76, 85, 90, 82, 78, 95, 72, 88]
|
||||||
|
},
|
||||||
读取 `movies.json`，整理出短评部分。并且使用 label-studio 进行数据标注。
|
"line_chart": {
|
||||||
|
"title": "班级各科平均分趋势（6个月）",
|
||||||
操作要点：
|
"month": ["1月", "2月", "3月", "4月", "5月", "6月"],
|
||||||
- 过滤 `quote` 字段为空的电影
|
"语文": [78, 80, 82, 85, 83, 86],
|
||||||
- 将待标注数据导入 label-studio
|
"数学": [82, 84, 85, 87, 88, 90],
|
||||||
- 给每条短评标注 10 个类别中**最显著的一个**
|
"英语": [80, 82, 81, 84, 85, 87]
|
||||||
- 导出标注结果
|
},
|
||||||
|
"pie_chart": {
|
||||||
---
|
"title": "班级成绩等级分布",
|
||||||
|
"labels": ["优秀(>=90)", "良好(80-89)", "中等(70-79)", "待提高(<70)"],
|
||||||
## 四、模型训练
|
"values": [1, 7, 2, 0]
|
||||||
|
},
|
||||||
使用标注的数据，使用 MLP 模型进行训练。获取训练时候的 loss 和 precision 两个数据，分别保存为 `loss.csv` 和 `predictions.csv` 两个文件。
|
"radar_chart": {
|
||||||
|
"title": "三位学生五科成绩对比",
|
||||||
操作要点：
|
"categories": ["语文", "数学", "英语", "物理", "化学"],
|
||||||
- 用 `TfidfVectorizer` 提取文本特征
|
"students": {
|
||||||
- 划分训练集 / 验证集
|
"张三": [85, 92, 78, 88, 90],
|
||||||
- 训练 MLP 模型并记录 loss
|
"李四": [78, 88, 92, 75, 82],
|
||||||
- 预测测试集并计算 precision
|
"王五": [92, 76, 85, 90, 78]
|
||||||
|
}
|
||||||
---
|
},
|
||||||
|
"scatter_chart": {
|
||||||
## 五、可视化编程
|
"title": "学习时长 vs 数学成绩",
|
||||||
|
"x_label": "每周学习时长(小时)",
|
||||||
基于 `loss.csv` 和 `predictions.csv` 绘制 2 张图。
|
"y_label": "数学成绩",
|
||||||
|
"x": [3, 5, 4, 6, 5, 4, 5, 6, 2, 7],
|
||||||
操作要点：
|
"y": [92, 88, 76, 85, 90, 82, 78, 95, 72, 88],
|
||||||
- 图 1：loss 曲线（横轴 epoch，纵轴 loss，含训练集和验证集）
|
"labels": ["张三", "李四", "王五", "赵六", "钱七", "孙八", "周九", "吴十", "郑明", "王芳"]
|
||||||
- 图 2：10 个类别的预测分布柱状图
|
}
|
||||||
|
}
|
||||||
---
|
```
|
||||||
|
|
||||||
## 六、提交规范
|
|
||||||
|
|
||||||
### 6.1 必交文件
|
|
||||||
|
|
||||||
```
|
|
||||||
学号_姓名/
|
|
||||||
├── movies.json
|
|
||||||
├── quotes_processed.txt
|
|
||||||
├── process_stats.json
|
|
||||||
├── predictions.csv
|
|
||||||
├── my_labels.csv
|
|
||||||
├── report.md
|
|
||||||
└── images/
|
|
||||||
├── wordcloud.png
|
|
||||||
└── category_bar.png
|
|
||||||
```
|
|
||||||
|
|
||||||
---
|
|
||||||
Reference in New Issue
Block a user