数据清洗
使用 SimpleImputer 处理缺失值，结合 IQR 方法过滤异常值，并使用 StandardScaler 标准化数据。
这是我 2024 年完成的 Python 数据分析项目。项目基于野生蓝莓相关数据集，使用 pandas 读取 CSV，完成缺失值填补、IQR 异常值处理、标准化、相关性分析、随机森林回归建模和特征重要性解释，目标是练习从原始数据到模型评估的完整数据挖掘流程。
探索分析
通过描述性统计和相关性矩阵观察特征分布与变量关系，为后续建模提供依据。
随机森林建模
使用 RandomForestRegressor 划分训练集与测试集，完成模型训练、预测和评估。
结果解释
输出 MSE、R² 和特征重要性排名，用可视化方式解释哪些变量对预测更敏感。
2024
Python
pandas
scikit-learn
Random Forest
CSV
Data Mining
Dataset
10,194 条蓝莓观测数据，17 个分析字段
数据集中包含植物克隆大小、传粉昆虫数量、温度范围、降雨天数、结果率、果实质量和种子数量等字段。项目先对数据质量进行检查，再进入预处理、特征分析和模型训练。
Pipeline
从 CSV 输入到模型评估的完整流程
这个项目的价值在于把一次数据挖掘作业拆成清晰模块：数据输入、预处理、探索分析、特征选择、模型训练和结果展示。
Read CSV
使用 pandas 导入数据，并判断文件是否为空。
Preprocess
均值填补缺失值，IQR 过滤异常值，StandardScaler 标准化。
Analyze
输出 describe 统计结果，绘制相关性热图。
Model
训练随机森林回归模型，评估 MSE 和 R²。
Exploratory Analysis
用相关性热图观察变量关系
相关性分析帮助我理解气象变量、传粉昆虫数量和果实性状之间的线性关系。热图让强相关变量更容易被识别，也为后续特征选择和模型解释提供了可视化依据。
- 使用 Pearson 相关系数构建特征关系矩阵。
- 对温度、降雨、果实质量、种子数量等字段进行对比。
- 用图表把抽象的数值关系转成更直观的判断依据。
Model Result
随机森林回归与特征信号解释
脚本使用 RandomForestRegressor 进行训练和预测，并在报告中记录了 MSE 约 0.287、R² 约 0.99 的测试结果。除模型指标外，项目也输出特征重要性，帮助解释哪些变量对预测更关键。
What I Practiced
这个项目带来的数据分析基础训练
它不是复杂系统，但完整覆盖了数据分析学习中很核心的一条路径：读取数据、清洗数据、理解变量、训练模型、评估结果和解释模型。
数据处理
理解缺失值、异常值和标准化对后续建模稳定性的影响。
可视化表达
用热图、分布图和排名图辅助解释数据特征。
模型评估
学习用 MSE 和 R² 从误差与拟合度两个角度观察模型效果。
报告整理
把背景、数据、方法、结果和应用价值整理成完整分析报告。