基于决策树的天气大数据回归例程

# -*- coding: utf-8 -*-
“““
Created on Fri Jan 12 17:05:46 2018

@author: Administrator
“““

import pyodbc
import sys
import csv
import numpy
import pandas as pd
import time
import sklearn.neural_network as nn
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler 
from sklearn.tree import DecisionTreeRegressor
#from sklearn.ensemble import AdaBoostRegressor
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestRegressor
from sklearn.decomposition import PCA  
from sklearn.feature_selection import SelectFromModel
from sklearn.svm import LinearSVC
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
import xgboost as xgb
from sklearn.metrics import confusion_matrix mean_squared_error r2_score 
import xgboost as xgb


def CSVDataRead（dhm）:
    Data = numpy.zeros（（548421））;
    date_id = d;
    hour = h;
    model = m;
    str_date_id = str（date_id）;
    str_hour = str（hour）;
    str_model = str（model）;
    filename = r‘\training_d‘+str_date_id+‘_h‘+str_hour+‘_m‘+str_model+‘.csv‘;
    path = r‘C:\Users\Administrator\Desktop\OptimalPath\Training_d‘ + str_date_id + r‘\Training_d‘ + \
                str_date_id + ‘_h‘ + str_hour + filename;

    ff = open（path“r“encoding=“utf-8“）;
    reader = csv.reader（ffdelimiter=‘‘）
    i=0;
    for row in reader:
        r = i//421;
        c = i%421;
        Data[r][c] = float（row[5]）;
        i = i+1;
        #print（row）
    print（‘Done‘）;
    return Data;

def CSVTrainingSetRead（dh）:
    date_id = d;
    hour = h;
    
    str_date_id = str（date_id）;
    str_hour = str（hour）;
    datalist = [[0 for i in range（10）] for j in range（230708）];
    for m in range（10）:
        model = m+1;
        str_model = str（model）;
        if d<=3:
            filename = r‘\training_d‘+str_date_id+‘_h‘+str_hour+‘_m‘+str_model+‘.csv‘;
            path = r‘C:\Users\Administrator\Desktop\OptimalPath\training_d‘ + str_date_id + r‘\training_d‘ + \
                       str_date_id + ‘_h‘ + str_hour + filename;

            ff = open（path“r“encoding=“utf-8“）;
            reader = csv.reader（ffdelimiter=‘‘）
        else:
            filename = r‘\training_d‘+str_date_id+‘_h‘+str_hour+‘_m‘+str_model+‘.csv‘;
            path = r‘G:\TrainingData\training_d‘ + str_date_id + r‘\training_d‘ + \
                       str_date_id + ‘_h‘ + str_hour + filename;

            ff = open（path“r“encoding=“utf-8“）;
            reader = csv.reader（ffdelimiter=‘‘）
        i=0;
        #datalist = numpy.array（[[0 for i in range（13）] for j in range（230708）]）;
        
        for row in reader:
            #r = i//421;
            #c = i%421;
            #datalist[i][0] = float（d）;
            #datalist[i][0] = float（h）;
            #datalist[i][2] = float（r+1）;
            #datalist[i][3] = float（c+1）;
            #datalist[i][1] = float（r+1）/548;