本文介绍了如何使用PyQt5和sklearn进行微生物光谱数据的主成分分析（PCA）和层次聚类分析（HCA）。通过qtDesigner开发用户界面，sklearn进行数据处理和分析，结合numpy, scipy和matplotlib进行绘图，同时利用BeautifulSoup生成HTML报告。在界面设计和数据交互中，提到了一些关键注意事项，如界面组件选择、信号槽机制、数据传递方式以及PCA和散点图绘制的细节。最后，提供了交流联系方式。"
86571944,7356160,Python+Selenium+Tesseract OCR 实现验证码自动登录,"['python', 'selenium', 'tesseract', '自动化测试', 'web自动化']
背景：
每种微生物都具有一定的光谱特征，即在不同波长上对光的吸收程度不同。在实验室我们可以获得大量已知品种的光谱数据，构成光谱库。当获得某未知光谱时，可以通过比对的方式对其分类，判断是否属于光谱库中的已知品种。
但是，光谱的宽度和精度决定了单个样本的数据量（>1500），必须通过降维（PCA）筛选出最重要的特征（<5），才方便比对和分类。同时，使用聚类（HCA）可以在无监督情况下，对样本库进行初步分类，并判断是否混入了杂菌的数据。
开发思路：
qtDesigner+pyqt5：开发界面，包括首页，文件增删页，光谱库分析页，未知样本分析页和报告页。
sklearn+numpy+scipy+mpl：数据处理，PCA分析，HCA分析，绘图
bs4：生成html格式的分析报告
主要界面：
682
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
