数据集包含多个生理变量，并设置了一个目标列“参与水平”（Engagement Level），反映学生的情绪和认知状态。目标是提供学生反应的全景视图，帮助教师实时调整教学策略。

特征包括：

• 心率（Heart Rate）

• 皮肤电导率（Skin Conductance）

• 脑电波（EEG，Electroencephalography）

• 体温（Temperature）

• 瞳孔直径（Pupil Diameter）

• 微笑和皱眉强度（Smile and Frown Intensity）

• 皮质醇水平（Cortisol Level）

• 活动水平（Activity Level）

• 环境噪声水平（Ambient Noise Level）

• 光照水平（Lighting Level）

目标列：

• 参与水平

  （Engagement Level）：分为高度参与（Highly Engaged）、中度参与（Moderately Engaged）和不参与（Disengaged）。

该数据集适用于基于生物传感器的监测系统开发，以及研究学生在教育环境中的情绪与认知参与。通过实时跟踪参与度，帮助研究人员和开发人员构建自适应系统，以改善学生的学习体验和学习效果。

数据加载与预处理

import numpy as npimport pandas as pd
# 文件路径，注意这里是目标数据集的存放位置filepath = r"G:\...\2024-12-10-公众号Python机器学习ML.csv"
# 读取CSV文件为DataFrame格式df = pd.read_csv(filepath)
# 打印前5行数据，快速查看数据结构和字段内容print(df.head())  # 输出数据的前5行，方便初步了解数据
# 打印数据类型和非空信息print(df.info())  # 查看每列的字段类型、非空值计数等
# 查看数据的描述性统计信息（仅针对数值型列）print(df.describe())  # 输出均值、标准差、最小值、四分位数等信息
# 检查缺失值情况print(df.isnull().sum())  # 输出每列的缺失值数量，用于缺失值处理

分析

1. 数据初步检查

   ：快速查看数据的形状和字段信息。

2. 数据质量检测

   ：包括检查缺失值和字段类型。

3. 描述性统计

   ：对数值型特征的分布进行基本分析，为后续EDA提供依据。

数据探索性分析（EDA）

import matplotlib.pyplot as pltimport seaborn as sns
# 遍历每一列，对类别型变量绘制计数图for col in df:    if df[col].dtype == 'O':  # 检查是否是类别型变量        sns.countplot(x=col, data=df)  # 统计每个类别的样本数量        plt.show()  # 显示图像        print('-------------------------------------------')
# 遍历每一列，对数值型变量绘制分布图for col in df:    if df[col].dtype != 'O':  # 检查是否是数值型变量        sns.histplot(df[col], kde=True)  # 画出直方图，并叠加核密度曲线        plt.show()  # 显示图像        print('-------------------------------------------')

结果分析

1. 类别型特征分布：

   • 可视化各类别样本的分布，检查是否存在类别不均衡问题。

   • 如果某些类别样本过少，可能需要进行采样或合并处理。

2. 数值型特征分布：

   • 直方图可以直观展示数值型特征的分布形状（正态分布、偏态分布等）。

   • 核密度曲线（KDE）叠加可以更平滑地观察分布趋势。

数据预处理与划分

from sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import LabelEncoder
# 初始化标签编码器le = LabelEncoder()
# 对类别型变量进行编码for col in df:    if df[col].dtype == 'O':  # 仅处理类别型变量        df[col] = le.fit_transform(df[col])  # 用整数替换类别值
# 分离特征变量和目标变量X = df.drop('EngagementLevel', axis=1)  # 特征矩阵Y = df['EngagementLevel']  # 目标变量
# 划分数据集为训练集和测试集X_train, X_test, Y_train, Y_test = train_test_split(    X, Y, test_size=0.3, random_state=10)  # 测试集占比30%

分析

• 编码处理

  ：将类别型变量转换为整数，方便模型接受。

• 划分数据集

  ：确保模型能够在独立的测试集上评估性能。

模型训练与预测

代码实现

from sklearn.ensemble import RandomForestClassifier
# 初始化随机森林模型model = RandomForestClassifier()
# 在训练集上训练模型model.fit(X_train, Y_train)
# 在测试集上进行预测ypred = model.predict(X_test)
# 打印预测结果print(ypred)  # 输出测试集上的预测值

分析

• 随机森林模型是一种基于决策树的集成学习方法，具有较强的鲁棒性。

• 预测结果可与真实值对比，以评估模型性能。

模型评价

代码实现

from sklearn.metrics import confusion_matrix, classification_report

# 计算混淆矩阵
mat = confusion_matrix(Y_test, ypred)

# 绘制混淆矩阵热图
cmap = sns.diverging_palette(220, 20, as_cmap=True)
sns.heatmap(mat, annot=True, fmt='d', cmap=cmap)
plt.savefig('confusion_matrix.png')  # 保存图像
plt.show()  # 显示图像


# 打印分类报告
print(classification_report(Y_test, ypred))

结果分析

1. 混淆矩阵：

   • 直观展示分类模型在每个类别上的预测结果（真阳性、假阳性、真阴性、假阴性）。

   • 对角线上的值越大，模型准确率越高。

2. 分类报告：

   • 提供每个类别的准确率、召回率和 F1 分数。

   • 综合评估模型的分类性能。

代码实现

from lazypredict.Supervised import LazyClassifier
# 初始化 LazyClassifierreg = LazyClassifier(verbose=0, ignore_warnings=False, custom_metric=None)
# 训练并评估所有模型models, predictions = reg.fit(X_train, X_test, Y_train, Y_test)
# 打印所有模型的评估结果print(models)
# 选择最佳模型best_model = models.loc[models['Accuracy'] == models['Accuracy'].max()]print(best_model)

结果分析

• LazyClassifier

   自动对多种模型进行训练与评估。

• 最佳模型的选择依据准确率最大化，便于后续进一步优化。

总结

本文通过对学生情绪监控数据的探索与建模，展示了从数据加载、EDA、模型训练到评价的完整流程。实验表明，随机森林和自动模型选择工具（如 LazyPredict）均能为分类问题提供高效解决方案。

关键思路：

1. 数据探索是理解问题的基础，类别分布与特征分析尤为重要。

2. 模型的评价不仅依赖准确率，还需综合考虑召回率与 F1 分数。

3. 自动化工具（如 LazyPredict）能够极大提高建模效率。