### 实际应用代码示例 以下是一个完整的 Jupyter Notebook 可运行的 Python 示例代码，该代码展示了如何利用 RISE 插件将 Notebook 转换为 PPT 形式的交互式演示。此代码涵盖了数据处理、可视化以及模型训练等内容。 --- #### 数据加载与预处理 ```python import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from matplotlib import pyplot as plt # 加载示例数据集 url = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv" df = pd.read_csv(url) # 查看前几行数据 display(df.head()) # 将目标变量分离出来 X = df.drop(columns=['species']) y = df['species'] # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) print(f"训练集大小: {len(X_train)}, 测试集大小: {len(X_test)}") ``` --- #### 数据可视化 ```python # 对鸢尾花数据集中每种类别进行散点图绘制 plt.figure(figsize=(8, 6)) colors = {'setosa': 'red', 'versicolor': 'green', 'virginica': 'blue'} for species, color in colors.items(): subset = df[df['species'] == species] plt.scatter(subset['petal_length'], subset['petal_width'], label=species, c=color) plt.xlabel('花瓣长度') plt.ylabel('花瓣宽度') plt.title('鸢尾花数据集分类分布') plt.legend() plt.show() ``` --- #### 构建并训练机器学习模型 ```python from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import accuracy_score # 初始化决策树模型 model = DecisionTreeClassifier(random_state=42) # 训练模型 model.fit(X_train, y_train) # 预测测试集结果 predictions = model.predict(X_test) # 输出准确率 accuracy = accuracy_score(y_test, predictions) print(f"模型预测准确率为: {accuracy:.2%}") ``` --- #### 模型评估与特征重要性分析 ```python # 特征重要性分析 feature_importances = model.feature_importances_ features = X.columns.tolist() # 绘制条形图展示特征重要性 plt.barh(features, feature_importances, color='skyblue') plt.xlabel('重要性得分') plt.ylabel('特征名称') plt.title('决策树模型特征重要性分析') plt.gca().invert_yaxis() # 翻转Y轴以便于阅读 plt.show() ``` --- ### 使用 RISE 插件创建 PPT 演示 为了使以上代码能够在 Jupyter Notebook 中以 PPT 的形式展示，需要安装并启用 RISE 插件[^1]。 1. **安装 RISE** 执行以下命令完成 RISE 的安装： ```bash pip install rise jupyter nbextension enable rise --py --sys-prefix ``` 2. **启动幻灯片模式** 在 Jupyter Notebook 工具栏中点击 `View` -> `Cell Toolbar` -> `Slideshow`，然后为每个单元格分配合适的幻灯片类型（如 Slide 或 Sub-Slide）。完成后按下键盘上的 `Esc` 键进入幻灯片视图。 3. **运行与展示** 在幻灯片视图下可以直接运行代码，并实时查看输出结果，无需切换窗口即可完成整个流程的展示。 --- ### 总结 通过上述代码示例，可以清楚地看到从数据加载到模型训练再到结果可视化的完整过程。借助 RISE 插件，Jupyter Notebook 不仅能够作为开发环境使用，还能轻松转化为专业的演示工具，极大提升了工作效率[^3]。 ---