基于 PyQt5 的拉曼光谱分类 GUI
version: 2.0
© 本工作属于学长的硕士毕业论文《拉曼光谱结合化学计量学在磷矿检测中的应用》(2020)
如果本工作对您有帮助，请留下一个star，万分感激！
所需的训练集格式要求：
- 要求为 csv 文件
- 第一行为浓度标记，二分类时将根据分类阈值分为高低两类
- 第一列为光谱波长，在分析时无具体意义
分类模式：
- 二分类，根据分类阈值将浓度标记分为高低两类
- 多分类，直接按浓度标记分为原本的类目
- 展示分类数目
主成分数目：
- 可自定义
- 默认 3 种
交叉验证折数：
- 可自定义
- 默认 10 折
使用 PCA 方法，根据配置的主成分数目进行降维，并输出每维的方差贡献率及其总和
使用网格搜索来寻找最优参数，并展示
- 二分类时标签为 0,1
- 多分类时为 浓度 * 100 即去除了小数点，并转为 int 类型
- 根据最优参数进行交叉验证，并输出交叉验证的准确率及平均准确率
可以保存和导入上述步骤的模型文件，免去重新训练的重复步骤
导入需要预测的数据集进行预测：
- 预测集的读取方法和训练集相同，因此需要保证第一行第一列无数据，因为这部分内容会被丢弃
- 预测结果也会保存至 csv 文件中
每步操作都会即时在右侧表格中展示当前步骤的输出数据
Anaconda (Python 3.7.1 64-bit)
Windows 10 Pro 64-bit
命令行启动:
python main.pypyqt5
pandas
numpy
sklearn
代码中包含了相当多的注释，方便读者理解
核心功能，涉及：
- GUI 初始化及主要流程
- csv 文件读取及标签处理
- 表格展示及处理
- 参数配置、按钮操作
主要是涉及机器学习的内容：
- 主成分分析
- 支持向量机训练，包括交叉验证、模型保存
- 模型读取
实现了基于 pyqt5 的光谱分类处理的整个流程 GUI 包括：
- 文件导入、文本展示、按钮事件、布局排版
- QTableWidget 表格展示
实现了基于 sklearn 的支持向量机模型训练及预测
实现了文件存取，数据统计及分析处理
是第一次使用 pyqt5 制作 GUI，之前用过 Electron
python 有天然的功能优势，但在界面布局和美化上，难以与基于 H5 的 Electron 相比
踩了很多的坑，也对 python 和涉及到的各种库有了更多的了解
参考了大量的资料，无法再一一列举，在此对所有在网络上辛勤奉献的同行们表示由衷的感激