## Preliminary 1. 对于每一个类,将数据如下处理, 保存成xlsx或者xls文件 | | | | | |-------|-------|-------|-------| | arbitrary value | value | arbitrary value | vlaue | | arbitrary value | value | arbitrary value | vlaue | 即偶数列为一次循环的数据,奇数列为任意值即可 2. 配置conda环境 > pass ## Quickly Start 1. 将项目文件夹编辑成**日期+项目名** 2. 编辑好label名称,label名称命名变成英文或者数字 >例如:”PDMS“, ”1“ 等, , 如果你的每一个类,下面又多个子特征则可以建立一个文件夹,在创建神经网络类的时候将**isDir**参数改成True即可. >详细如下图: >2.1. 如果只有一类特征 > ![image.png](https://qq-pic.oss-cn-nanjing.aliyuncs.com/img/2024-12-28-f7f922-image.png) >2.2. 如果有多类特征 >![image.png](https://qq-pic.oss-cn-nanjing.aliyuncs.com/img/2024-12-28-e6a2bf-image.png) 3. 将准备好的文件夹移动到**Static**文件夹中(没有就建立),如果没有 **Result** 建立一个**Result**文件夹用来存放结果 4. 读取数据: ```python # 以MaterialDiv为例 projet_name = '20241009MaterialDiv' label_names = ['Acrlic', 'Ecoflex', 'PDMS', 'PLA', 'Wood'] # 使用库 divSet 划分训练集和数据集 data = load_data(projet_name, label_names, isDir=False, fileClass='xlsx') ``` 5. 创建神经网络类 ```python model = Qmlp( X_train=X_train, X_test=X_test, y_train=y_train, y_test= y_test, hidden_layers = [128], dropout_rate=0 ) ``` 6. 训练并获取数据 ```python pca_2d, pca_3d = model.get_PCA() model.fit(300) cm = model.get_cm() epoch_data = model.get_epoch_data() save_to_xlsx(project_name=projet_name, file_name="pca_2d", data=pca_2d) save_to_xlsx(project_name=projet_name, file_name="pca_3d", data=pca_3d) save_to_xlsx(project_name=projet_name, file_name="cm", data=cm ) save_to_xlsx(project_name=projet_name, file_name="acc_and_loss", data=epoch_data) ``` ## Advanced ### loadData 处理数据工具的使用 ||参数类型|默认值|参数作用| |---|---|---|---| |folder|str|必填项|指定数据存放在Static下的哪个文件夹| |lableNames| list| 必填项| 指定每一个类的label名称, 既可以用来读取相应的文件,也可以用来给label排序| |isDir| bool| True| 若是上文Quickly Strat章节2.1情况需要改成False,2.2情况则是True| |fileClass| str| 'xlsx'| 数据文件的后缀| > tips: 数据读取是按照一下情况读取的(2.1和2.2是Quickly Start章节的2.1和2.2简称): > 2.1情况的第一类数据读取的地址是 ./Static/folder/labelsNames[0].xlsx, 其他类同理 > 2.2情况的第二类数据读取的地址是 ./Static/folder/labelsNames[0]/*.xlsx, 其他同理 ### Qmlp 模型使用 > pass