期刊图片复现|Python绘制数据在100次随机划分情况下模型的模型性能评估(包括R2、RMSE及标准差)散点图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.model_selection import train_test_split, GridSearchCVfrom sklearn.metrics import r2_score, mean_squared_errorfrom sklearn.preprocessing import LabelEncoder

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: {'cmap': 'Reds', 'line_text': 'navy'},}SCHEME_ID = 1#设置配色方案scheme = COLR_SCHEMES.get(SCHEME_ID, COLOR_SCHEMES[1])  #获取配色

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def plot_model_performance(r2_list, rmse_list, std_list):    cmap_name = scheme['cmap']  #获取颜色映射名称    line_text_color = scheme['line_text']  #获取线条和文字颜色    r2_mean = np.mean(r2_list)  #R2平均值    r2_std_dev = np.std(r2_list, ddof=1)  #R2标准差    rmse_mean = np.mean(rmse_list)  #RMSE平均值    rmse_std_dev = np.std(rmse_list, ddof=1)  #RMSE标准差    std_mean = np.mean(std_list)  #残差标准差的平均值    std_std_dev = np.std(std_list, ddof=1)  #残差标准差的标准差

    #创建画布    fig, ax = plt.subplots(figsize=(8, 6))    #绘制散点图    sc = ax.scatter(r2_list,  #x轴                    rmse_list,  #y轴                    c=std_list,  #颜色依据                    cmap=cmap_name,  #颜色条                    edgecolors='k',  #散点边缘的颜色                    s=80,  #散点的大小                    alpha=1,  #透明度                    zorder=2)    cbar = plt.colorbar(sc, ax=ax)  #添加颜色条    cbar.set_label('STD', fontsize=12)  #颜色条标签

    #R2均值虚线    ax.vlines(r2_mean,  # x              ymin=min(rmse_list) - 20,  #起点              ymax=max(rmse_list) + 20,  #终点              colors=line_text_color,  #颜色              linestyles='--',  #样式              label='_nolegend_',  #图例标签              zorder=1)  #图层顺序    #RMSE均值虚线    ax.hlines(rmse_mean,  # y              xmin=min(r2_list) - 0.05,  #起点              xmax=max(r2_list) + 0.05,  #终点              colors=line_text_color,  #颜色              linestyles='--',  #样式              label='_nolegend_',  #图例标签              zorder=1)  #图层顺序

    ax.set_xlabel('$R^2$', fontsize=14)  #x轴标题    ax.set_ylabel('RMSE', fontsize=14)  #y轴标题    #图框中显示的统计文本内容    legend_text = (        f'$R^2$ = {r2_mean:.2f} $\pm$ {r2_std_dev:.2f}\n'        f'RMSE = {rmse_mean:.2f} $\pm$ {rmse_std_dev:.2f}\n'        f'STD = {std_mean:.2f} $\pm$ {std_std_dev:.2f}'    )    #文本框样式属性    props = dict(boxstyle='round',  #边框样式，圆角矩形                 facecolor='white',  #填充颜色                 alpha=0.9,  #透明度                 edgecolor='lightgrey')  #边缘颜色    #添加统计信息文本框    ax.text(0.05,  #x            0.05,  #y            legend_text,  #文本内容            transform=ax.transAxes,  #坐标变换            fontsize=11,  #字体大小            verticalalignment='bottom',  #垂直对齐            bbox=props)  #边框样式

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == "__main__":    df = pd.read_excel(r'data.xlsx' )  # 读取Excel数据文件    le = LabelEncoder()  #实例化标签编码器    cat_features = ['PM', 'AAT', 'NDT']  #定义需要进行编码的类别特征列名    existing_cols = [col for col in cat_features if col in df.columns]  #检查数据集中实际存在的类别列    df_processed = df.copy()  #复制原始数据    for col in existing_cols:        df_processed[col] = le.fit_transform(df_processed[col])  #对类别特征进行数字化编码    X = df_processed.drop(columns=['SSA'])  #特征变量    y = df_processed['SSA']  #目标变量

    r2_list = []  # 初始化R2结果列表    rmse_list = []  # 初始化RMSE结果列表    std_list = []  # 初始化STD结果列表    #参数网格    param_grid = {                'n_estimators': [10, 20, 30],                'max_depth': [3, 4]    }    print(f"开始运行 {n_iterations} 次随机测试")    start_time = time.time()  #开始时间        # 建立网格搜索交叉验证器        grid_search = GridSearchCV(estimator=rf,param_grid=param_grid,cv=5,scoring='neg_root_mean_squared_error',n_jobs=-1,verbose=0)        #执行网格搜索        grid_search.fit(X_train, y_train)        #获取最佳模型        best_model = grid_search.best_estimator_        y_pred = best_model.predict(X_test)  #在测试集上进行预测        r2 = r2_score(y_test, y_pred)  # R2        rmse = np.sqrt(mean_squared_error(y_test, y_pred))  #RMSE        residuals = y_test - y_pred  #预测残差        std_val = np.std(residuals, ddof=1)  #残差的标准差        r2_list.append(r2)  #将R2结果存入列表        rmse_list.append(rmse)  #将RMSE结果存入列表        std_list.append(std_val)  #将STD结果存入列表

        #每10次循环打印一次进度        if (seed + 1) % 10 == 0:            elapsed = time.time() - start_time  #计算已耗时            print(f"进度: {seed + 1}/{n_iterations} | 耗时: {elapsed:.1f}s | "f"当前最佳参数: {grid_search.best_params_}")    total_time = time.time() - start_time  #计算总运行耗时    print(f"总耗时: {total_time:.1f} 秒")    #调用绘图函数    plot_model_performance(r2_list, rmse_list, std_list)

SCHEME_ID = 1#设置配色方案

2.设置绘图结果的保存地址：

plt.savefig(fr'scheme_{SCHEME_ID}_optimized.png', dpi=300, bbox_inches='tight')

df = pd.read_excel(r'data.xlsx' )  # 读取Excel数据文件

4.定义原始数据中的文本特征数据：

cat_features = ['PM', 'AAT', 'NDT']  #定义需要进行编码的类别特征列名

param_grid = {            'n_estimators': [10, 20, 30],            'max_depth': [3, 4]}

n_iterations = 100  #设置随机试验的迭代次数