# 实验任务解析与指导（简化文件名版） ## 任务总体概述 本实验包含三个核心部分：**回归预测任务**、**分类任务对比分析**、**机器学习API服务部署**。以下将基于简化后的文件结构进行完整说明。 --- ### 题目重述 1. 使用机器学习库完成“人体卡路里消耗”回归预测，需自行设计特征并构建数据集； 2. 使用逻辑回归与SVM完成“文本情感分类”，构建数据集并比较两种方法性能； 3. 利用FastAPI或Gradio封装一个模型为Web服务，支持用户输入并返回预测结果。 --- ### 详解 #### 一、“人体卡路里消耗”回归任务 ##### 特征设计 选择关键生理与运动特征： - 年龄（Age） - 体重（Weight, kg） - 身高（Height, cm） - 心率（Heart Rate, bpm） - 运动时长（Duration, min） - 运动类型（Type, one-hot编码） 目标变量：卡路里消耗量 $C$ ##### 数据构建（保存为 `calorie_data.py`） ```python # 文件名：calorie_data.py import numpy as np import pandas as pd np.random.seed(42) n_samples = 1000 data = { 'Age': np.random.randint(18, 65, n_samples), 'Weight': np.random.uniform(50, 100, n_samples), 'Height': np.random.uniform(150, 190, n_samples), 'Heart_Rate': np.random.randint(60, 180, n_samples), 'Duration': np.random.randint(10, 60, n_samples), 'Type': np.random.choice(['running', 'cycling', 'walking'], n_samples) } df = pd.DataFrame(data) met_values = {'running': 8.0, 'cycling': 6.5, 'walking': 3.5} df['MET'] = df['Type'].map(met_values) df['Calories'] = (df['MET'] * df['Weight'] * df['Duration']) / 60 + \ np.random.normal(0, 10, n_samples) X = pd.get_dummies(df.drop('Calories', axis=1)) y = df['Calories'] # 保存数据 df.to_csv('calorie_dataset.csv', index=False) ``` 运行方式（终端中执行）： ```bash python calorie_data.py ``` ##### 模型训练（保存为 `calorie_model.py`） ```python # 文件名：calorie_model.py from sklearn.model_selection import train_test_split from sklearn.linear_regression import LinearRegression from sklearn.metrics import mean_squared_error, r2_score import pandas as pd import joblib # 加载数据 df = pd.read_csv('calorie_dataset.csv') X = pd.get_dummies(df.drop('Calories', axis=1)) y = df['Calories'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) model = LinearRegression() model.fit(X_train, y_train) # 评估 pred = model.predict(X_test) print(f"R² Score: {r2_score(y_test, pred):.3f}") print(f"MSE: {mean_squared_error(y_test, pred):.3f}") # 保存模型 joblib.dump(model, 'calorie_model.pkl') ``` 运行命令： ```bash python calorie_model.py ``` --- #### 二、文本情感分类任务（逻辑回归 vs SVM） ##### 数据准备（保存为 `sentiment_data.py`） ```python # 文件名：sentiment_data.py from sklearn.feature_extraction.text import TfidfVectorizer import jieba import joblib # 示例中文数据 texts = [ "这部电影太棒了，强烈推荐！", "演技很好，剧情感人", "非常满意", "太差劲了，完全不值这个价", "垃圾电影，浪费时间", "服务态度极差" ] labels = [1, 1, 1, 0, 0, 0] def tokenize_zh(text): return ' '.join([word for word in jieba.cut(text) if len(word.strip()) > 0]) texts_tokenized = [tokenize_zh(t) for t in texts] vectorizer = TfidfVectorizer(max_features=1000) X = vectorizer.fit_transform(texts_tokenized) # 保存向量化器 joblib.dump(vectorizer, 'tfidf_vectorizer.pkl') ``` ##### 模型训练与对比（保存为 `sentiment_model.py`） ```python # 文件名：sentiment_model.py from sklearn.linear_model import LogisticRegression from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score import joblib import numpy as np # 加载向量化数据（此处简略，实际应加载X和y） # 假设X已从sentiment_data生成 X = np.random.rand(6, 1000) # 占位符 y = np.array([1,1,1,0,0,0]) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) lr = LogisticRegression() svm = SVC() lr.fit(X_train, y_train) svm.fit(X_train, y_train) pred_lr = lr.predict(X_test) pred_svm = svm.predict(X_test) print(f"逻辑回归准确率: {accuracy_score(y_test, pred_lr):.3f}") print(f"SVM准确率: {accuracy_score(y_test, pred_svm):.3f}") joblib.dump(lr, 'sentiment_lr_model.pkl') joblib.dump(svm, 'sentiment_svm_model.pkl') ``` --- #### 三、API服务封装（FastAPI版，保存为 `api_server.py`） ```python # 文件名：api_server.py from fastapi import FastAPI from pydantic import BaseModel import joblib import numpy as np app = FastAPI() class CalorieInput(BaseModel): Age: int Weight: float Height: float Heart_Rate: int Duration: int Type: str # 加载模型 model = joblib.load("calorie_model.pkl") @app.post("/predict/calories") def predict_calories(data: CalorieInput): type_dummies = [0, 0, 0] types = ['cycling', 'running', 'walking'] if data.Type in types: type_dummies[types.index(data.Type)] = 1 input_vec = np.array([ data.Age, data.Weight, data.Height, data.Heart_Rate, data.Duration, *type_dummies ]).reshape(1, -1) prediction = model.predict(input_vec)[0] return {"predicted_calories": round(float(prediction), 2)} ``` 启动命令： ```bash uvicorn api_server:app --reload ``` 访问：`http://127.0.0.1:8000/docs` --- #### 四、Gradio前端展示（保存为 `gradio_app.py`） ```python # 文件名：gradio_app.py import gradio as gr import joblib import numpy as np model = joblib.load("calorie_model.pkl") def predict(age, weight, height, heart_rate, duration, exercise_type): types = {'跑步': [1,0,0], '骑行': [0,1,0], '步行': [0,0,1]} t = types.get(exercise_type, [0,0,1]) input_data = np.array([age, weight, height, heart_rate, duration] + t).reshape(1, -1) pred = model.predict(input_data)[0] return f"预计消耗卡路里：{pred:.2f} kcal" demo = gr.Interface( fn=predict, inputs=[ gr.Slider(10, 80, value=30, label="年龄"), gr.Number(value=70, label="体重(kg)"), gr.Number(value=170, label="身高(cm)"), gr.Number(value=120, label="心率(bpm)"), gr.Number(value=30, label="运动时长(分钟)"), gr.Radio(['跑步', '骑行', '步行'], label="运动类型") ], outputs="text", title="卡路里消耗预测器" ) demo.launch() ``` 运行： ```bash python gradio_app.py ``` --- ### 知识点 - **线性回归模型原理**：通过最小化误差平方和拟合特征与连续目标间关系，适用于数值预测。 - **TF-IDF与文本向量化**：将文本转为加权词向量，突出关键词，降低常见词影响。 - **FastAPI基础路由与请求处理**：基于Python类型提示自动生API文档，高效构建REST服务。