From 68ae78ad1ad9c3d10268386763133e33c0b74197 Mon Sep 17 00:00:00 2001
From: gitea_eternal <401029566@qq.com>
Date: Thu, 18 Jun 2026 14:00:39 +0800
Subject: [PATCH] =?UTF-8?q?=F0=9F=93=8A=20=E6=9B=B4=E6=96=B0=E5=8F=AF?=
 =?UTF-8?q?=E8=A7=86=E5=8C=96=E6=95=B0=E6=8D=AE?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 README.md | 127 +++++++++++++++++-------------------------------------
 1 file changed, 40 insertions(+), 87 deletions(-)

diff --git a/README.md b/README.md
index b0af2e7..a711ca6 100644
--- a/README.md
+++ b/README.md
@@ -4,93 +4,46 @@
 班级: AI_251
 学号: 2509165016
 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
-{"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。"}
-```
-
----
-
-## 三、数据处理与标注
-
-读取 `movies.json`，整理出短评部分。并且使用 label-studio 进行数据标注。
-
-操作要点：
-- 过滤 `quote` 字段为空的电影
-- 将待标注数据导入 label-studio
-- 给每条短评标注 10 个类别中**最显著的一个**
-- 导出标注结果
-
----
-
-## 四、模型训练
-
-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。
-
-操作要点：
-- 用 `TfidfVectorizer` 提取文本特征
-- 划分训练集 / 验证集
-- 训练 MLP 模型并记录 loss
-- 预测测试集并计算 precision
-
----
-
-## 五、可视化编程
-
-基于 `loss.csv` 和 `predictions.csv` 绘制 2 张图。
-
-操作要点：
-- 图 1：loss 曲线（横轴 epoch，纵轴 loss，含训练集和验证集）
-- 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
-```
-
----
\ No newline at end of file
+{
+  "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"],
+    "y": [92, 88, 76, 85, 90, 82, 78, 95, 72, 88]
+  },
+  "line_chart": {
+    "title": "班级各科平均分趋势（6个月）",
+    "month": ["1月", "2月", "3月", "4月", "5月", "6月"],
+    "语文": [78, 80, 82, 85, 83, 86],
+    "数学": [82, 84, 85, 87, 88, 90],
+    "英语": [80, 82, 81, 84, 85, 87]
+  },
+  "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)"],
+    "values": [1, 7, 2, 0]
+  },
+  "radar_chart": {
+    "title": "三位学生五科成绩对比",
+    "categories": ["语文", "数学", "英语", "物理", "化学"],
+    "students": {
+      "张三": [85, 92, 78, 88, 90],
+      "李四": [78, 88, 92, 75, 82],
+      "王五": [92, 76, 85, 90, 78]
+    }
+  },
+  "scatter_chart": {
+    "title": "学习时长 vs 数学成绩",
+    "x_label": "每周学习时长(小时)",
+    "y_label": "数学成绩",
+    "x": [3, 5, 4, 6, 5, 4, 5, 6, 2, 7],
+    "y": [92, 88, 76, 85, 90, 82, 78, 95, 72, 88],
+    "labels": ["张三", "李四", "王五", "赵六", "钱七", "孙八", "周九", "吴十", "郑明", "王芳"]
+  }
+}
+```
\ No newline at end of file