- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/o-DaK6aQQLkJ8uE4YX1p3Q) 中的学习记录博客**
- **🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)** 

---

文章目录

• • 概要
  • 整体架构流程
  • 代码运行
  • 技术名词解释
  • 小结

概要

根据今天的天气数据，预测明天是否会下雨（Yes/No）。这是一个典型的二分类问题。

整体架构流程

原始数据 (weatherAUS.csv)
         ↓
第一步：数据探索 (EDA)
         ↓
第二步：数据预处理
         ↓
第三步：构建数据集
         ↓
第四步：搭建神经网络
         ↓
第五步：训练模型
         ↓
第六步：结果可视化

数据探索

data.head()          → 看前几行数据
data.describe()      → 看统计摘要
data.dtypes          → 看每列数据类型
热力图                → 看各特征之间的相关性
countplot            → 看下雨/不下雨的数量分布
crosstab             → 看今天下雨和明天下雨的关联
城市降雨率图          → 看哪些城市更容易下雨
散点图                → 看气压和降雨的关系

数据预处理

问题1：Date是字符串
→ 解决：拆分成year/Month/day三列数字

问题2：有缺失值
→ 解决：
   文本列  → 众数填充
   数值列  → 中位数填充
   特殊列  → 随机抽样填充

问题3：文本列模型不能用
→ 解决：LabelEncoder编码成数字
   "Adelaide"→0, "Albany"→1 ...

问题4：各列数值范围差异大
→ 解决：MinMaxScaler归一化到0~1

构建数据集

X（特征）= 除RainTomorrow和day之外的所有列
           ↓
           今天的气温、气压、风速、湿度...

y（标签）= RainTomorrow列
           ↓
           明天是否下雨（0或1）

然后：
X, y → train_test_split → X_train, X_test
                           y_train, y_test
       75%训练集            25%测试集

搭建神经网络

输入层：接收今天的天气数据（多个特征）
  ↓
隐藏层1：24个神经元，tanh激活，学习特征组合
  ↓
隐藏层2：18个神经元，tanh激活，进一步提取规律
  ↓
隐藏层3：23个神经元，tanh激活
  ↓
Dropout(0.5)：随机关闭50%神经元，防止过拟合
  ↓
隐藏层4：12个神经元，tanh激活
  ↓
Dropout(0.2)：随机关闭20%神经元
  ↓
输出层：1个神经元，sigmoid激活
        输出0~1的概率
        >0.5 → 明天下雨(Yes)
        <0.5 → 明天不下雨(No)

代码运行

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, Dropout
from tensorflow.keras.callbacks import EarlyStopping
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.metrics import r2_score
from sklearn.metrics import mean_absolute_error, mean_absolute_percentage_error

data = pd.read_csv("/Users/lilyj/Downloads/weatherAUS.csv")
df = data.copy()   # 保留原始数据备份
data.head()        # 查看前5行

data.describe()

data.dtypes

data['Date'] = pd.to_datetime(data['Date'])  # 字符串 → 日期格式

data['year']  = data['Date'].dt.year
data['Month'] = data['Date'].dt.month
data['day']   = data['Date'].dt.day

data.head()

data.drop('Date', axis=1, inplace=True)  # 拆分完后删除原始Date列
data.columns  # 查看当前所有列名

plt.figure(figsize=(15, 13))

ax = sns.heatmap(data.corr(numeric_only=True),  # 只对数值列计算，忽略字符串列
                 square=True,  # 每个格子都是正方形
                 annot=True,  # 在每个格子里显示具体数值
                 fmt='.2f')   # 显示数值，保留两位小数

ax.set_xticklabels(ax.get_xticklabels(), rotation=90)  # 旋转x轴标签90度，避免重叠
plt.show()

sns.set(style="whitegrid", palette="Set2")  # whitegrid → 白色背景 + 横向网格线；Set2 → 柔和配色，自动分配给不同类别
fig, axes = plt.subplots(1, 2, figsize=(10, 4))  # 1 行 2 列
title_font = {'fontsize': 14, 'fontweight': 'bold', 'color': 'darkblue'}

# 左图：RainTomorrow
sns.countplot(x='RainTomorrow', data=data,
              hue='RainTomorrow',
              palette='Set2',
              ax=axes[0],          # ← 必须指定画在哪个子图
              edgecolor='black')   # 给柱子加上黑色边框，更清晰
axes[0].set_title('Rain Tomorrow', fontdict=title_font)
axes[0].set_xlabel('Will it Rain Tomorrow?', fontsize=12)
axes[0].set_ylabel('Count', fontsize=12)

# 右图：RainToday
sns.countplot(x='RainToday', data=data,
              hue='RainToday',
              palette='Set2',
              ax=axes[1],          # ← 同样要指定
              edgecolor='black')
axes[1].set_title('Rain Today', fontdict=title_font)
axes[1].set_xlabel('Did it Rain Today?', fontsize=12)
axes[1].set_ylabel('Count', fontsize=12)

sns.despine()
plt.tight_layout()
plt.show()

x = pd.crosstab(data['RainTomorrow'], data['RainToday'])
x

y = x / x.transpose().sum().values.reshape(2,1) * 100
y

y.plot(kind="bar", figsize=(4,3), color=['#006666','#d279a6'])

x = pd.crosstab(data['Location'], data['RainToday'])
y = x / x.transpose().sum().values.reshape(-1, 1) * 100  # 每行归一化为百分比
y = y.sort_values(by='Yes', ascending=True)               # 按下雨率升序排列

color = ['#cc6699','#006699','#006666','#862d86','#ff9966']
y.Yes.plot(kind="barh", figsize=(15,20), color=color)     # 水平柱状图

 

data.columns

plt.figure(figsize=(8, 6))
sns.scatterplot(data=data,
                x='Pressure9am',
                y='Pressure3pm',
                hue='RainTomorrow')

data.isnull().sum()/data.shape[0]*100
lst = ['Evaporation', 'Sunshine', 'Cloud9am', 'Cloud3pm']
for col in lst:
    fill_list = data[col].dropna()
    data[col] = data[col].fillna(pd.Series(np.random.choice(fill_list, size=len(data))))
s = (data.dtypes == "object")
object_cols = list(s[s].index)
object_cols
for i in object_cols:
    data[i].fillna(data[i].mode()[0], inplace=True)  # inplace=True：直接修改原数据，不需要重新赋值
t = (data.dtypes == "float64")
num_cols = list(t[t].index)

# .median()：中位数
for i in num_cols:
    data[i].fillna(data[i].median(), inplace=True)
from sklearn.preprocessing import LabelEncoder

label_encoder = LabelEncoder()
for i in object_cols:
    data[i] = label_encoder.fit_transform(data[i])
X = data.drop(['RainTomorrow', 'day'], axis=1).values
y = data['RainTomorrow'].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
scaler = MinMaxScaler()
scaler.fit(X_train)           # 只用训练集计算最大最小值
X_train = scaler.transform(X_train)   # 训练集归一化
X_test  = scaler.transform(X_test)    # 测试集用同样的标准归一

from tensorflow.keras.optimizers import Adam

model = Sequential()
model.add(Dense(units=24, activation='tanh'))
model.add(Dense(units=18, activation='tanh'))
model.add(Dense(units=23, activation='tanh'))
model.add(Dropout(0.5))
model.add(Dense(units=12, activation='tanh'))
model.add(Dropout(0.2))
model.add(Dense(units=1,  activation='sigmoid'))

optimizer = tf.keras.optimizers.Adam(learning_rate=1e-4)

model.compile(loss='binary_crossentropy',
              optimizer=optimizer,
              metrics=["accuracy"])


early_stop = EarlyStopping(monitor='val_loss',
                           mode='min',
                           min_delta=0.001,
                           verbose=1,
                           patience=25,
                           restore_best_weights=True)

model.fit(x=X_train,
          y=y_train,
          validation_data=(X_test, y_test),
          verbose=1,
          callbacks=[early_stop],
          epochs=10,
          batch_size=32)

import matplotlib.pyplot as plt

acc     = model.history.history['accuracy']
val_acc = model.history.history['val_accuracy']
loss    = model.history.history['loss']
val_loss= model.history.history['val_loss']

epochs_range = range(10)

plt.figure(figsize=(14, 4))

# 左图：准确率曲线
plt.subplot(1, 2, 1)
plt.plot(epochs_range, acc,     label='Training Accuracy')
plt.plot(epochs_range, val_acc, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

# 右图：损失曲线
plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss,     label='Training Loss')
plt.plot(epochs_range, val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')

plt.show()

小结

收集澳大利亚各城市的历史天气数据 → 清洗处理 → 喂给神经网络学习 → 神经网络找到今天天气特征和明天是否下雨之间的规律 → 用这个规律预测未来是否下雨