第4关：Car Evaluation (cls)

 第1关：Manhattan Distance

任务描述

计算并返回a和b的曼哈顿距离。

设： a=[a1​, a2​, ..., an​] b=[b1​, b2​, ..., bn​] 那么a和b的曼哈顿距离为： 

import numpy as np

def Student(a, b):
    return np.sum(np.abs(a-b))

第2关：Polynomial Features

任务描述

对于给定的整数k和numpy一维数组a=[a1​, a2​, ..., an​]，添加由a1​~an​组成的最多k次的所有多项式项，并返回处理结果。

例如 k = 2 a = [2, 6, 9, 4]

返回的numpy数组是[1, 2, 6, 9, 4, 4, 12, 18, 8, 36, 54, 24, 81, 36, 16]。

import numpy as np
from sklearn.preprocessing import PolynomialFeatures
def Student(k, a):
    poly = PolynomialFeatures(degree=k, include_bias=True)
    a = np.array(a).reshape(1, -1)
    a_poly = poly.fit_transform(a)
    return a_poly.flatten()

第3关：Clustering

任务描述

参数是numpy二维数组X，它的形状(n,m)表示有n个样本、且每个样本都是m维的。根据混合高斯分布，将这n个样本聚成两类，分别记为0类和1类，返回聚类结果和两个聚类中心。

例如

返回两项内容：

1. 聚类结果，例如[0, 1, 0, 1, 1, 1, 1, 0, 0]。
2. 两个聚类中心，例如[[2.7, 9.2], [13.9, 13.0]]

import numpy as np
from sklearn.mixture import GaussianMixture
def Student(X):
    n,m=X.shape
    gmm=GaussianMixture(n_components=2)
    gmm.fit(X)
    labels=gmm.predict(X)
    centers=gmm.means_
    return labels,centers

第4关：Car Evaluation (cls)

问题描述

数据集“car”描述了汽车的特征和评估（类别）。

关于汽车的特征有6项：

• 买入价：可能的值有0(低)、1(中等)、2(高)、 3(很高)四种
• 维护费：可能的值有0(低)、1(中等)、2(高)、 3(很高)四种
• 门数：可能的值有2, 3, 4, 5四种
• 载客量：可能的值有2, 4, 5三种
• 车尾箱：可能的值有0(小), 1(中), 2(大)三种
• 安全性：可能的值有0(低)、1(中等)、2(高)三种

相应地，每辆车有一个评估，但不是以数值形式标记的，而是以类别形式标记的。评估类别有四种，分别是：unacc, acc, good, vgood，分别表示不可接受、可接受、好、很好。

完整的数据集的前13行呈现如下的样子：

任务描述

在右侧编辑器补充Student函数代码，完成以下任务：

1. 打开“/data/bigfiles/car_train.csv”并读取里面的数据进行学习。考生可以根据需要进行数据预处理和选择适当的模型。这个数据集具有所有特征和评估标签。

   

2. 打开“/data/bigfiles/car_test_X.csv”并读取里面的数据进行预测。这个数据集只有所有特征，没有评估类别，因为评估类别就是要预测的结果。

   

3. 返回预测结果。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

def Student():
    # 读取训练数据
    train_data = pd.read_csv('/data/bigfiles/car_train.csv')
    X_train = train_data.drop('评估', axis=1)
    y_train = train_data['评估']

    # 读取测试数据
    test_data = pd.read_csv('/data/bigfiles/car_test_X.csv')
    X_test = test_data

    # 数据预处理
    # 处理缺失值
    X_train.fillna(X_train.mean(), inplace=True)
    X_test.fillna(X_test.mean(), inplace=True)

    # 特征编码
    le = LabelEncoder()
    for col in X_train.columns:
        if X_train[col].dtype == 'object':
            X_train[col] = le.fit_transform(X_train[col])
            X_test[col] = le.transform(X_test[col])

    # 划分训练集和验证集
    X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42)

    # 选择模型并训练
    model = DecisionTreeClassifier()
    model.fit(X_train, y_train)

    # 预测
    y_pred = model.predict(X_val)

    # 计算准确率
    accuracy = accuracy_score(y_val, y_pred)

    # 预测测试集
    y_test_pred = model.predict(X_test)

    return y_test_pred